作者在 2019-01-11 21:24:54 发布以下内容
在录入文本里，有2种字符：“有效字符”和“多打字符”。“有效字符”是指它在标准文本里可以找到唯一的“对应字符”。“对应字符”当然与它相同，但是，相同的字符不一定就是“对应字符”。例如：
标准文本：我们班里的学生大多数是女生。
录入文本：我们班里喜欢数学的学生大多数是女生。
录入文本的第一个“数”字，在标准文本里是找不到“对应字符”的。
我的算法思路是这样的：对于录入文本里的每一个字符（包括看不见但是占位置的全、半角空格；包括看不见又不占位但长度又不为零的回车），在标准文本里寻找“对应字符”。（如何确认“对应字符”是个难点，我在后面会提出解决方法，那其实是本文的重点。寻找“对应字符”首先是寻找“相同字符”，只有“相同字符”才有资格做“对应字符”）
根据寻找的结果（有或没有），自然就解决了“漏”和“多”的问题，既可以得到字符（串）的内容，又可以统计数字。至于“错字”，其实就是“漏”与“多”在对应位置所出现的综合事件，比如把“你说”错打成了“他说”，漏了“你”；多了“他”。在下面的描述中我会细说的。
下面用文字和图片来描述一次“寻找”的过程。
图1中n1、n2分别是寻找的第一个字符的位置，内容是zn1、zn2 。我称为“起始字符”。如果相同，那比较简单。（不是本文的重点，后面会提出一个小细节）。在图1中两个字不相同。那么把标准文本里的下一个字符与zn2进行比较（标准文本的起始字符仍然记住是zn1）。如果最终找到（z1）。（并确定是“对应字符”，下同）。那么从n1（包括zn1）到z1(不包括z1)的字符（串）就是“漏字符（串）”，标准文本下一轮寻找（比对）从z1之后的那个字符开始；录入文本下一轮寻找从zn2之后的那个字符开始。（即zn2是“有效字符”）。
如果zn2始终没找到“对应字符”（图2）
，那么zn2就是“多”字符，标准文本下一轮寻找仍然从n1开始；录入文本下一轮寻找从zn2之后的那个字符开始。（录入文本始终是一个一个的往后“走”，不管这个字是“有效”还是“多打”）。
这里说一下“错字”的问题。在每次发生“多”结果时，要有一个变量记录连续“多”的累计字符数（不是最终评分的累计数），一旦发生了“漏”结果，就要马上算出“错”字符内容和个数（当然也可以算出准确字符的内容，调整“漏”和“多”的内容和数量，包括重新涂颜色）然后把“多”的累计字符数清零。这里的细节就不多说了。
下面借助几张截图来说说怎样判断“对应字符”。这是本文的重点。
图3：录入文本里的加红圈的字被误判为“有效字符”；图4里标准文本里的加红圈的字被误判为“对应字符”，造成的后果虽然不影响总分，但是看上去别扭且不大合理，本来连续的漏或错被分成了2段，中间夹了一个对应字符和有效字符。
而图5
更是误判了，录入文本里原本有效的“BCD”成了“多”字符，而标准文本里的“BCD”又成了“漏字符”。真实情况是“多打”了1个“E”。造成这个结果，是因为标准文本里的那个“E”被误判成录入文本第一个“E”字符的“对应字符”了。那是我用“人脑”发现的。怎样让程序来判断呢？
我以本文开头的2行文字为例：图6
先定义2个12个字符的字符串：在标准文本里的 串1=“数是女生。 ”和录入文本的 串2=“数学的学生大多数是女生。”（它们的首字符就是被判断是否“对应字符”的字符“数”）
用一个十多行左右代码的函数判断“有几个不颠倒、可以有间隔的共同字符”。上面的共同字符数是5。
下一步，我先把上述标准文本里的“BCD”+“E”表述成“疑漏字符串”，图6中标准文本里“的学生大多数”。把录入文本在n2后面的区域表述为“未比对区域”。
接着，用For 循环分别把“疑漏字符串”中的每个字符在“未比对区域”寻找相同的字符，若找到，就用该字符为首字符用标准文本和录入文本组成2个也是12个字符的字符串3和字符串4（图6右下方的上下2个）。
标准文本：我们班里的学生大多数是女生。
录入文本：我们班里喜欢数学的学生大多数是女生。
录入文本的第一个“数”字，在标准文本里是找不到“对应字符”的。
我的算法思路是这样的：对于录入文本里的每一个字符（包括看不见但是占位置的全、半角空格；包括看不见又不占位但长度又不为零的回车），在标准文本里寻找“对应字符”。（如何确认“对应字符”是个难点，我在后面会提出解决方法，那其实是本文的重点。寻找“对应字符”首先是寻找“相同字符”，只有“相同字符”才有资格做“对应字符”）
根据寻找的结果（有或没有），自然就解决了“漏”和“多”的问题，既可以得到字符（串）的内容，又可以统计数字。至于“错字”，其实就是“漏”与“多”在对应位置所出现的综合事件，比如把“你说”错打成了“他说”，漏了“你”；多了“他”。在下面的描述中我会细说的。
下面用文字和图片来描述一次“寻找”的过程。
图1中n1、n2分别是寻找的第一个字符的位置，内容是zn1、zn2 。我称为“起始字符”。如果相同，那比较简单。（不是本文的重点，后面会提出一个小细节）。在图1中两个字不相同。那么把标准文本里的下一个字符与zn2进行比较（标准文本的起始字符仍然记住是zn1）。如果最终找到（z1）。（并确定是“对应字符”，下同）。那么从n1（包括zn1）到z1(不包括z1)的字符（串）就是“漏字符（串）”，标准文本下一轮寻找（比对）从z1之后的那个字符开始；录入文本下一轮寻找从zn2之后的那个字符开始。（即zn2是“有效字符”）。
如果zn2始终没找到“对应字符”（图2）
这里说一下“错字”的问题。在每次发生“多”结果时，要有一个变量记录连续“多”的累计字符数（不是最终评分的累计数），一旦发生了“漏”结果，就要马上算出“错”字符内容和个数（当然也可以算出准确字符的内容，调整“漏”和“多”的内容和数量，包括重新涂颜色）然后把“多”的累计字符数清零。这里的细节就不多说了。
下面借助几张截图来说说怎样判断“对应字符”。这是本文的重点。
图3：录入文本里的加红圈的字被误判为“有效字符”；图4里标准文本里的加红圈的字被误判为“对应字符”，造成的后果虽然不影响总分，但是看上去别扭且不大合理，本来连续的漏或错被分成了2段，中间夹了一个对应字符和有效字符。
而图5
我以本文开头的2行文字为例：图6
先定义2个12个字符的字符串：在标准文本里的 串1=“数是女生。 ”和录入文本的 串2=“数学的学生大多数是女生。”（它们的首字符就是被判断是否“对应字符”的字符“数”）
用一个十多行左右代码的函数判断“有几个不颠倒、可以有间隔的共同字符”。上面的共同字符数是5。
下一步，我先把上述标准文本里的“BCD”+“E”表述成“疑漏字符串”，图6中标准文本里“的学生大多数”。把录入文本在n2后面的区域表述为“未比对区域”。
接着，用For 循环分别把“疑漏字符串”中的每个字符在“未比对区域”寻找相同的字符，若找到，就用该字符为首字符用标准文本和录入文本组成2个也是12个字符的字符串3和字符串4（图6右下方的上下2个）。
然后用同样的函数求出它们的共同字符数。★一旦发生“第2个共同字符数大于第1个共同字符数”（图6这里是10）时，那个疑似“对应字符”（数）即被否定。退出For 循环，确认标准文本上的这个“数”字符不是“对应字符”而继续在标准文本里找，也就是说，这一轮寻找还没有结束。这样就避免了误判。等到这一轮寻找结束，确定是“多”还是“漏”，本轮寻找才算结束，然后更新“起始字符”，进入下一轮寻找“对应字符”.....。
将这样的“寻找”在录入文本里从头到尾走一遍，就完成了“文本比对”。
如果你对上面的描述已经理解的话，你试试在图1中找出2对（4个）字符串，看会不会发生“第2个共同...大于...数”，从而否定“E”(z1）是“对应字符”。前面图3图4里的问题，也是用“继续找相同字”--“比较2个共同字符数”的方法（不再赘述），不过寻找的区域不同，也不用For 循环，因为只有1个要找的字符。前面为什么要for每个字要找，是因为那个“未比对区域”有可能恰好漏打了某个字，以致找不到。
我以这样的思路，用VB编了这个程序。我用到的命令都是很常用的。也只有1个自定义函数。
以上是自己的见解，欢迎共同探索和指教。
