Question

假设我们有两个文件夹，每个文件夹中有1000个文件，我需要检查其中使用的类似单词。

虚拟方法将是

for(File f : folderA){
    for(File g : folderB){
        compare
    }
}

但这样做会不合理地进行许多比较，这需要记忆和时间。我想知道有更好的办法吗？

Answer 1

取决于您尝试做什么。

您可以为包含的不同单词集创建Map映射File，然后比较成对的集合。理想情况下，假设常识数据，读取每对文件所需的时间要少得多。

或者，您可以在包含它们的文件中添加Map个单词。那么，对于每个单词，您都知道它是否出现在多个文件中。

Answer 2

只需使用地图。注意，取决于您要比较的内容，相应地修改代码。

WHERE component_item LIKE "*SBP"

您可以遍历地图并获取每个元素的值。每个地图元素的值表示您的集合中有多少相似的项目。

循环播放地图：

Map<File,Integer> map = new HashMap<>();
for(File f : folderA){
    Integer count = 0;
    if(map.get(f)==null){
        map.put(f,1);
    }else{
        count = map.get(f);
        map.put(f,++count);
    }
}

此算法的Big（O）是线性的，非常快。

Answer 3

我可以补充一点，如果您要检查相似之处，而不是相同的字词，我建议您计算doubleMetaphone，请参阅https://commons.apache.org/proper/commons-codec/apidocs/org/apache/commons/codec/language/DoubleMetaphone.html 所有相关单词（删除＆＃34; the，this＆＃34;等等）。

有效地比较数千个文件Java

3 个答案: