add “最小编辑距离”（Minimum Edit Distance）算法

include/base/XString.h

@@ -58,6 +58,9 @@ namespace XString
     std::vector<std::string> lettersShape(const std::string &letters);
 
     std::size_t findFirstCharNotEscapedBefore(const std::string& str, char ch);
+
+    //“最小编辑距离”（Minimum Edit Distance）算法 eg. Levenshtein Distance算法
+    int levenshteinDistance(std::string word1, std::string word2);
 
     template<class T_out,class T_in>
     T_out convert(const T_in& in)

main.cpp

@@ -707,10 +707,18 @@ void testDecodeAndEncode()
     }
 }
 
+void testString(){
+    std::string word1 = "word hehe";
+    std::string word2 = "word hhh";
+    int distance = XString::levenshteinDistance(word1, word2);
+    LOG_I("%s => %s = %d", word1.c_str(),word2.c_str(),distance);
+}
+
 int main(int argc, char *argv[])
 {
     std::cout <<XString::toStringAddEnter(XString::lettersShape("xlib-test"))<< std::endl;
     setLog();
+    testString();
 //    testPatch();
     testAStar();
     testMath();

src/base/XString.cpp

@@ -466,4 +466,37 @@ std::vector<std::string> XString::lettersShape(const std::string &letters)
         return std::string::npos; 
     }
 
+    /**
+     Levenshtein Distance算法流程：
+     1. 创建一个二维数组dp，其中dp[i][j]表示将第一个字符串的前i个字符转换为第二个字符串的前j个字符所需的最小操作次数。
+     2. 初始化dp数组，使得dp[i][0] = i和dp[0][j] = j，分别表示将一个非空字符串转换为空字符串和将一个空字符串转换为非空字符串所需的操作次数。
+     3. 遍历两个字符串的每个字符，计算dp[i][j]的值：
+        - 如果两个字符相同，则dp[i][j] = dp[i-1][j-1]，不需要额外操作。
+        - 否则，dp[i][j] = min(dp[i-1][j]+1, dp[i][j-1]+1, dp[i-1][j-1]+1)，分别对应删除、插入和替换操作。
+     4. 最终返回dp[m][n]，其中m和n分别为两个字符串的长度，即为它们之间的编辑距离。
+     */
+    int XString::levenshteinDistance(std::string word1, std::string word2){
+        int m = word1.length();
+        int n = word2.length();
+        vector<vector<int>> dp(m + 1, vector<int>(n + 1, 0));
+
+        for (int i = 0; i <= m; i++) {
+            dp[i][0] = i;
+        }
+        for (int j = 0; j <= n; j++) {
+            dp[0][j] = j;
+        }
+
+        for (int i = 1; i <= m; i++) {
+            for (int j = 1; j <= n; j++) {
+                if (word1[i - 1] == word2[j - 1]) {
+                    dp[i][j] = dp[i - 1][j - 1];
+                } else {
+                    dp[i][j] = 1 + min({dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1]});
+                }
+            }
+        }
+        return dp[m][n];
+    }
+
 XLIB_END