Question

我有两个非常大的名单要比较。我使用retainAll（）方法对它们进行了比较，得到了常用元素的列表。但我也想得到类似的比赛。

ArrayList<String> list1 = new ArrayList<String>(Arrays.asList("John","Mary"," Mr. John Marsh","Mrs. Mary Dsouza","abc","xyz"));
ArrayList<String> list2 = new ArrayList<String>(Arrays.asList("John","Mary","Tim","Sam"));
list1.retainAll( list2 );
System.out.println( list1 );

这给了我输出[约翰，玛丽]

我想要类似的比赛，如[John，Mary，John Marsh先生，Mary Dsouza夫人]

如何进行？只是一个想法就足够了。

Answer 1

好的，虽然我害怕发布这个答案，因为我觉得它很粗糙，但我仍然会继续发布。手指交叉：）。

retainAll在内部使用equals，因为string是final class，我们无法操纵它，但我们可以围绕它创建wrapper并提供自定义equals实施。但这增加了空间复杂性。

这就是我所做的（在equals方法中使用contains）。

public class FindAlike{


public static void main(String[] args) {
    ArrayList<StringWrapper> list1 = new ArrayList<StringWrapper>(Arrays.asList(new StringWrapper("John"),new StringWrapper("Mary")
    ,new StringWrapper(" Mr. John Marsh"),new StringWrapper("Mrs. Mary Dsouza"),new StringWrapper("abc"),new StringWrapper("xyz")));
    ArrayList<StringWrapper> list2 = new ArrayList<StringWrapper>(Arrays.asList(new StringWrapper("John"),new StringWrapper("Mary"),
            new StringWrapper("Tim"),new StringWrapper("Sam")));
    list1.retainAll( list2 );
    System.out.println( list1 );
}

private static class StringWrapper{

    private String value;

    public StringWrapper(String value) {
        this.value = value;
    }

    public String getValue(){
        return this.value;
    }

    @Override
    public boolean equals(Object obj) { 
        return this.value.contains(((StringWrapper)obj).getValue());
    }

    @Override
    public String toString() {
        return this.value;
    }

}
}

对于给定的数据，我得到以下输出 - [John，Mary，John Marsh先生，Mary Dsouza夫人]

Answer 2

试试这个

for(String s1 : list1)
{
    for (String s2: list2)
    {
       if(s1.equals(s2) || s1.contains(s2) || s2.contains(s1))
       {
           list3.add(s1);
       }
    }

}

list3为您提供所需的元素。

Answer 3

我猜你不想对这些字符串进行任何语义分析。如果它只是一个字符串比较，请检查此post并分析这些相似性算法。

我强调下面的那些算法（如果该帖子已经死了）

余弦相似度
Jaccard相似度
骰子系数
匹配相似度
重叠相似性

我不认为你可以减少迭代次数，因为它总是（应该）是list1.length * list2.lenght。您可以优化的唯一区域是检查相似性的位置。另外我想指出正则表达式和包含操作是昂贵的。所以看看你是否可以在那个地方使用上述算法之一。

如果您想出更好的解决方案，请及时通知我们。干杯!!

比较具有精确值匹配和类似值匹配的两个列表（使用Java）

3 个答案: