从不完全重复的对象列表中删除多余的(重复的)对象

Question

我在C#中有一个对象列表，这些对象具有多个属性(价格、颜色、描述和日期已添加，但NOT是唯一ID(。最终目标是过滤列表-如果其中两个对象的价格和颜色相同，我们会检查描述中是否包含50%以上的匹配单词(但不相同，因为它们是免费输入的(。此外，有时dateAdded可以是空的，因此优选地，如果存在2〃；"重复"；我们保留带有日期添加的。

所以

1. [100美元，红色，"漂亮的棉质衬衫"，"2020年10月29日"]

和

1. 〔100美元，红色，"棉质衬衫"，"01/01/0001"〕

被视为重复，需要从列表中删除没有日期的。

我知道使用linq的可以实现简单的重复消除

var noDups = myList.GroupBy(x => x.Id).Select(x => x.First()).ToList();

但如果我在我的情况下进行分组，我不知道以后如何检查描述/日期。

此外，我知道这可以通过多个foreach循环和临时列表来解决，但我担心这样会变得太复杂

我尝试的是使用相同的列表——动态删除元素，但在两个循环结束后，元素就丢失了。

foreach (var prop in listOfProducts)
{
foreach (var secondProp in listOfProducts.Where(x => x.ListingID != prop.ListingID).ToList())
{
if (prop.Price == secondProp.Price && prop.Color == secondProp.Color )
{

var propSplitDesc = prop.Description.Split().ToList();
var secondPropSplitDesc = secondProp.Description.Split().ToList();
var descLength = propSplitDesc.Count > secondPropSplitDesc.Count
? propSplitDesc.Count
: secondPropSplitDesc.Count;
var wordsMatching = propSplitDesc.Intersect(secondPropSplitDesc).ToList();
if (wordsMatching.Count >= (double)descLength / 2)
{
finalProp.ComaprableProperties.Remove(prop.DateAdded == DateTime.MinValue
? prop
: secondProp);
}
}
}
}

有没有什么不太复杂的东西可以做，或者linq可以以某种方式使用？

Answer 1

我还没有测试过它，但我认为以下内容应该适用于您。然后由你决定它是否更容易阅读：

var noDups = myList.GroupBy(x => new { x.Color, x.Price })
.SelectMany(group => 
{
var candidates = group.ToList();
return candidates.Where(x => candidates
.Where(y => y != x) // Don't compare against itself
.All(y =>
// Other candidate does not match by words
!HasMoreThanHalfMatchingWords(x, y)
// ... or this one does have a proper date
|| x.DateAdded != DateTime.MinValue));
});
// In some other place...
bool HasMoreThanHalfMatchingWords(string desc1, string desc2)
{
// Logic to compare if the strings contain more than 50% matching words
}

---

关于定义的注意事项

我认为你对"；重复"；。考虑以下示例：

项目A

• 描述："；那只棕色的狐狸跳过了那只懒狗
• 添加日期：2020年10月29日

项目B

• 描述"；棕色的狐狸跳了起来
• 添加日期：2020年10月29日

项目C

• 描述："；跳过那只懒狗">
• 添加日期：01/01/0001

哪些项目被认为是重复的，哪些项目最终会出现在最终列表中？

A和B共有50%的单词。A和C也一样。

你是否应该只保留A，即使B和C看起来不同，这意味着你正在丢失没有重复的项目？

你应该同时保留A和B吗？A，因为它有一个"；dateAdded"；是C和B的重复，因为。。。它不是一个"；重复"；所以你应该保留其中一个？