索引和比较字符串索引或哈希

Question

我希望通过关注系统中双打最多的歌曲来清理我的音乐库。我可以将它们全部列出，然后手动排序，但这需要很长时间。我希望列表对最可能的重复项进行排序。因此，如果一首歌有10个重复，那就意味着有10个相似的歌曲，因此我会首先关注那首歌，以保持最佳版本。

我可以使用levenshtein字符串比较技术和gem

来比较两个歌名

require 'levenshtein'
Levenshtein.distance("string1", "string2") => 1

但是，假设我有x个歌曲，我必须将每首歌曲进行x次比较，因为我不能依赖正常的文件归档，我会错过一些重复的歌曲。例如

The Beatles - Hey Jude
Beatles, The - hey jude
Beatles_-_Hey_Judy_(remastered)

应该给披头士乐队 - 嘿judy（x3）

有没有办法根据文件名生成索引，然后可以对其进行排序，并按降序排列所有重复项？一种可以比较的哈希值？

我知道其他音乐比较方法，但它们有缺陷，这也可用于比较其他类型的文件。

Answer 1

尝试使用此代码

files是一个文件名数组，max_distance是考虑名称相似的最大距离。

hash = {}
files.each do |file|
  similar = hash.keys.select { |f| Levenshtein.distance(f, file) < max_distance }
  if similar.any?
    hash[similar.first] += 1
  else
    hash.merge!({file => 0})
  end
end

之后，您将获得hash，其中文件名为键，“重复”计为值，您可以根据需要对其进行排序。