我目前正在尝试构建一个小型系统，该系统读取一堆文件名（目前只有几百个），然后允许用户搜索文件名。最终的目标是寻找不会具有完全相同名称的喧嚣，但会分享常用词。我最终想添加一个功能，允许它建议可能的重复。
目前，我将每个文件路径添加到ArrayList，然后将文件名的每个单词传递给使用链接的Hashtable。使用String.split()创建单词，并将所有非字母数字字符转换为空格。这部分工作正常，你可以搜索单个单词，不用担心。
我知道搜索多个术语，获得响应以及建立与选择每个文档的时间基本相关的理论。
我目前的问题是文件名类似于'mybestfile'。我的程序只能将它们作为单个单词处理。除非搜索'mybestfile'，否则你什么也找不到。
任何人都可以建议我应该从这里开始的设计路径。我知道我可以解析整个字典，然后尝试通过匹配子字符串来拉出单词，但说实话，这只是一个简单的程序，我宁愿避免那种事情。
任何帮助都将不胜感激!!
（另外这一点是半学习，一半证明我可以做到，所以我想知道已经存在的解决方案，但更多的是他们如何做到，而不是使用它们）
答案 0 :(得分：1)
您可以从Apache Codec language package中提供的各种“类似声音”和距离算法开始。 （我认为距离算法是在Commons Lang中，而不是编解码器。）
SimMetrics是另一个。实际上无法找到我正在寻找的那个，但是here's a list, too。