Java：如何在字符串列表中找到最可能的字符串？

Question

我在Java中有一个字符串列表，其中包含具有不同拼写的人的名字（并非完全不同）。例如，John可能拼写为Jon，Jawn，Jaun等。我应该如何检索此列表中最合适的字符串。如果有人能在这种情况下建议如何使用Soundex的方法，它将会有很大的帮助。

Answer 1

您使用了approximate string matching算法，有几种策略可以实现这一点。 Blur是基于Levenshtein字距离的基于Trie的Java近似字符串匹配实现。 you can find the implementation at github here

还有另一种策略来实现其所谓的boyer-moore近似字符串匹配算法。 Here is the Java code for that

使用此算法和Levenshtein字距离解决这些问题的常用方法是将输入与可能的输出进行比较，并选择与所需输出距离最小的输出。

Answer 2

有一个用于匹配近似字符串的jar文件..

浏览链接并下载frej.jar

http://sourceforge.net/projects/frej/files/

这个jar文件中有一个方法

Fuzzy.equals("jon","john");

它会在这种近似字符串中返回true。

Answer 3

如果您在为文本编制索引时使用Solr，则

phonetic filter factory可以执行此操作。

搜索是solr的专长。并搜索类似的发声词。但是，如果您只是想要这个，并且不想要solr提供的其他功能，那么您可以使用可用的源here。

Answer 4

估计 2个字符串的匹配

有很多理论和方法

由于＆＃34; jon＆＃34;真的不等于＆＃34; john＆＃34;，它很接近但不匹配

实施相当多的估算方法的一项伟大的学术工作被称为＆＃34; SecondString.jar＆＃34; - site link

大多数实施的方法都会给匹配一些分数，这个分数取决于使用的方法

实施例： 让我们定义＆＃34;编辑距离＆＃34;作为str1到str2所需的char更改次数 在这种情况下＆＃34; jon＆＃34; - ＆GT; ＆＃34;约翰＆＃34;需要添加1个字符 对于这种方法，自然会得分越低

Answer 5

本文提供了有关基于Trie的Java近似字符串匹配实现的详细说明和完整代码： Fast and Easy Levenshtein distance using a Trie

搜索功能返回小于给定

的所有单词的列表

距目标字的最大距离

def搜索（word，maxCost）：

# build first row
currentRow = range( len(word) + 1 )

results = []

# recursively search each branch of the trie
for letter in trie.children:
    searchRecursive( trie.children[letter], letter, word, currentRow, 
        results, maxCost )

return results

此递归助手由上面的搜索功能使用。它假设

previousRow已经填写。

def searchRecursive（node，letter，word，previousRow，results，maxCost）：

columns = len( word ) + 1
currentRow = [ previousRow[0] + 1 ]

# Build one row for the letter, with a column for each letter in the target
# word, plus one for the empty string at column 0
for column in xrange( 1, columns ):

    insertCost = currentRow[column - 1] + 1
    deleteCost = previousRow[column] + 1

    if word[column - 1] != letter:
        replaceCost = previousRow[ column - 1 ] + 1
    else:                
        replaceCost = previousRow[ column - 1 ]

    currentRow.append( min( insertCost, deleteCost, replaceCost ) )

# if the last entry in the row indicates the optimal cost is less than the
# maximum cost, and there is a word in this trie node, then add it.
if currentRow[-1] <= maxCost and node.word != None:
    results.append( (node.word, currentRow[-1] ) )

# if any entries in the row are less than the maximum cost, then 
# recursively search each branch of the trie
if min( currentRow ) <= maxCost:
    for letter in node.children:
        searchRecursive( node.children[letter], letter, word, currentRow, 
            results, maxCost )