JAVA：（格式塔）difflib.sequencematcher的模式匹配或替换

我正在寻找一种方法来比较两个字符串。 但不是简单的equals（）。 我需要一些指标来说明那些字符串匹配的可能性有多大。 因此，例如（值是一个猜测，没有调用）：

“汽车”和“汽车”翻新1.0版

“汽车狗”和“汽车”跑0.5

“坐着”和“坐着”跑0.45 等等

基本上是用于Java的：difflib.sqeuencematcher（）的替代品

---

我已经查看了@java diff-utils，但是我没有找到一种方法来实现这一点……

您应该看看Apache Commons Lang

StringUtils

。尤其是

您应该看看ApacheCommonsLang

StringUtils

。特别是

要获得与您所要求的接近的值，可以使用以下方法：先获取字符串的大小，然后获取StringUtils。删除您的匹配尝试，然后将原始大小减去剩余的大小，再除以原始大小

public double matchString(final String stringToMatch, final String matchPattern) {

    final int testSize = stringToMatch.length();


    if (testSize == 0 && matchPattern.length() == 0) {
        return 1.0;
    } else if (testSize == 0) {
        return 0.0;
    }

    final String remainderString = StringUtils.remove(stringToMatch, matchPattern);
    final int remainderSize = remainderString.length();

    final double result = (double) (testSize - remainderSize) / (double) testSize;

    return result;
}

@Test
public void testMatchString() {

    final double emptyResult = matchString("", "");

    final double delta = 0.01;
    Assert.assertEquals(1.0, emptyResult, delta);

    final double emptyCarResult = matchString("", "Car");
    Assert.assertEquals(0.0, emptyCarResult, delta);

    final double dogCatResult = matchString("CarDog", "Car");
    Assert.assertEquals(0.5, dogCatResult, delta);

    final double carResult = matchString("Car", "Car");
    Assert.assertEquals(1.0, carResult, delta);

    final double carsCarResult = matchString("Cars", "Car");
    Assert.assertEquals(0.75, carsCarResult, delta);

    final double sittingSitResult = matchString("Sitting", "Sit");
    Assert.assertEquals(0.4286, sittingSitResult, delta);

    // no match since the 'S' in Sitting is uppercased and is not in sit.
    // this can be fixed up lowercasing both the stringToMatch and matchPattern
    // in matchString
    final double sittingSit2Result = matchString("Sitting", "sit");
    Assert.assertEquals(0.0, sittingSit2Result, delta);

    // note the Sit match pattern matches two instences in 'Sit Sitting'
    final double sittingSit3Result = matchString("Sitter Sitting", "Sit");
    Assert.assertEquals(0.4286, sittingSit3Result, delta);
}

---

要获得与您所要求的接近的近似值，可以使用字符串的大小，然后使用StringUtils。删除您的匹配尝试，然后将原始大小减去剩余的大小除以原始大小

public double matchString(final String stringToMatch, final String matchPattern) {

    final int testSize = stringToMatch.length();


    if (testSize == 0 && matchPattern.length() == 0) {
        return 1.0;
    } else if (testSize == 0) {
        return 0.0;
    }

    final String remainderString = StringUtils.remove(stringToMatch, matchPattern);
    final int remainderSize = remainderString.length();

    final double result = (double) (testSize - remainderSize) / (double) testSize;

    return result;
}

@Test
public void testMatchString() {

    final double emptyResult = matchString("", "");

    final double delta = 0.01;
    Assert.assertEquals(1.0, emptyResult, delta);

    final double emptyCarResult = matchString("", "Car");
    Assert.assertEquals(0.0, emptyCarResult, delta);

    final double dogCatResult = matchString("CarDog", "Car");
    Assert.assertEquals(0.5, dogCatResult, delta);

    final double carResult = matchString("Car", "Car");
    Assert.assertEquals(1.0, carResult, delta);

    final double carsCarResult = matchString("Cars", "Car");
    Assert.assertEquals(0.75, carsCarResult, delta);

    final double sittingSitResult = matchString("Sitting", "Sit");
    Assert.assertEquals(0.4286, sittingSitResult, delta);

    // no match since the 'S' in Sitting is uppercased and is not in sit.
    // this can be fixed up lowercasing both the stringToMatch and matchPattern
    // in matchString
    final double sittingSit2Result = matchString("Sitting", "sit");
    Assert.assertEquals(0.0, sittingSit2Result, delta);

    // note the Sit match pattern matches two instences in 'Sit Sitting'
    final double sittingSit3Result = matchString("Sitter Sitting", "Sit");
    Assert.assertEquals(0.4286, sittingSit3Result, delta);
}

---

逐个匹配字符，然后除以最大字符的长度（忽略空格）或任何你的重量计算。@SotiriosDelimanolis:Python的

difflib

比这聪明得多。“Car dog”不应该是.5，因为不到一半的字符串匹配（“dog”是不匹配的）。@larsman我不怀疑这一点。如果算法可用，OP可以获得灵感。逐个匹配字符，然后除以最大字符的长度（忽略空格）或任何你的权重计算。@SotiriosDelimanolis:Python的

difflib

比这聪明得多。“Car dog”不应该是.5，因为少于一半的字符串匹配（“dog”是无与伦比的。）@larsman我不怀疑这一点。如果算法可用，OP可以获得灵感。通过阅读文档，那里使用的算法不同于Levenshtein（=最小编辑距离）：“这不会产生最小的编辑序列，但会产生对人们来说“看起来正确”的匹配。嗯，这与difflib的算法不同。但我想这是目前java中可用的最好的可能性。我还没有找到对底层算法的足够详细的描述，不知道我是否可以自己实现它！！从阅读文档来看，这里使用的算法不同于Levenshtein（=最小编辑距离）：“这不会产生最小的编辑序列，但会产生人们“看得对”的匹配结果。”嗯，这和difflib使用的算法不同。但我想这是目前java中可用的最好的可能性。我还没有找到对底层算法的足够详细的描述，不知道我是否可以自己实现它！！