字符串近似（从字典中提取最接近的匹配字符串）

Question

是否有任何字符串匹配代码或算法为我们提供了来自dictionay的大致匹配的字符串（包含预定义的字符串集）？

例如：如果字典中有10个字符串（字符串集），如果用户输入了一些字符串，那么算法应该告诉你字典中接近匹配的字符串。如果我得到具有匹配值（或百分比）的匹配字符串，它会很棒。

Answer 1

我认为最好使用lucene库，它有一个名为org.apache.lucene.search.spell的包你可以轻松使用它。它提供3种算法 NGramDistance，LevensteinDistance，JaroWinklerDistance 。 try this

Answer 2

您可以在字典中的字符串和字符串之间计算Levenshtein distance，以找到最接近的匹配项。这可能不是拼写检查的最佳选择，因为它不会对交换的字母或语音相似的字词有利。例如问题比kwizchum更接近休息。

有关更多示例，请阅读http://en.wikipedia.org/wiki/Approximate_string_matching

Answer 3

我只是想补充一点，因为版本3.0，StringUtils也有a convenient Levenshtein Distance method

public static int getLevenshteinDistance(CharSequence s,
                     CharSequence t)

之后，它就像迭代整个集合并记住最接近的匹配一样简单：

public static Object findClosestMatch(Collection<?> collection, Object target) {
    int distance = Integer.MAX_VALUE;
    Object closest = null;
    for (Object compareObject : collection) {
        int currentDistance = StringUtils.getLevenshteinDistance(compareObject.toString(), target.toString());
        if(currentDistance < distance) {
            distance = currentDistance;
            closest = compareObject;
        }
    }
    return closest;
}

请注意，上面的方法确实要求集合为空安全，并且要使toString（）得到合理实现。

Answer 4

您可以尝试Levenshtein Distance techinque。

简单的想法是你有四个基本操作：

• 插入（地狱 - ＆gt;地狱 o ）
• 更换（很好 - ＆gt; r 冰）
• 删除（bowlin g - ＆gt; bowlin）
• 交换（brohter - ＆gt; bro th er）

你算法应该计算你的单词和字典中每个单词之间的距离。最小距离意味着该单词与给定输入匹配更准确。