Question

我希望匹配字符串并按以下方式获得分数，

   string 1: 4556677, string 2: 2556677, score: 0
   string 1: 123345873009, string 2: 123345873112, score: 9
   string 1: 22334567, string 2: 22334500, score: 6

所以分数从左到右表示共同的前n位。

我有一个100K字符串1和30M字符串2的列表，我想过滤所有对（字符串1和2），得分大于'x'。

是否有可用于执行此任务的算法而不是残酷的力顺序匹配？我有表存储在apache hive / hbase中，并希望在spark或java mapreduce中实现该方法。非常感谢任何帮助。

Answer 1

我得出结论，你的“得分”代表字符串不同的最左边的字符位置。

没关系“mapreduce”，简单的Jane Java可以很容易地做到这一点。

**

public int score（String string1，String string2）{
  char sbuf1 [] = string1.toCharArray（）;
  char sbuf2 [] = string2.toCharArray（）;

int complen = sbuf1.length;

if（sbuf2.length＆lt; complen）{
  complen = sbuf2.length;
    }
  对于（   int i = 0;我＆lt; complen;我++）{
  if（sbuf1 [i]！=   sbuf2 [i]）{
  返回   I;
   }
  }
   返回-1; //   表示在一根弦用尽之前没有检测到不匹配   }

**

有序顺序文本匹配

1 个答案: