我的第一个想法是很难正式定义这个概念：

“b”可能包含“a”和一些“错误”

• 一方面，有一个想法a是 的子串b。这个问题应该有一个布尔答案：要么包含它，要么不包含。
• 另一方面，有近似匹配的想法：b应该包含一个c“足够相似”的子字符串a。一般来说，两个字符串之间的相似性问题是用一个数值来回答的，通常是一个介于 0 和 1 之间的实数。

据我所知，解决这个问题的唯一方法是考虑a和之间的相似度得分有一个阈值c，其中c是 的任何子串b。这样答案就变成了布尔值。

但是，通过将子字符串操作视为相似性计算的一部分，可能有一种解决方法。特别是Levenshtein 编辑距离可以解释字符的插入/删除，这就是子字符串对包含它的字符串的意义。

更有趣的是，可以为 Levenshtein 距离中的任何特定编辑操作分配不同的成本。因此，可能可以定义 Levenshtein 的变体，其中开头或结尾的插入成本为 0，从而使最终距离$x$betweena和b等价于 "b包含一个c具有距离的子字符串$x$反对a“。

我会尝试实现这一点的方式是：

1. 计算正则编辑距离，保留用于计算的矩阵
2. 从矩阵中，计算完成了多少次插入，但只在开始和结束时进行，然后从距离中减去该值。

请注意，我的想法可能存在缺陷，我没有尝试过：D