如何在Java中比较几乎相似的字符串？（字符串距离度量）

Question

如何在Java中比较几乎相似的字符串？（字符串距离度量）

javastringcomparisonlevenshtein-distancestring-metric

44

我希望比较两个字符串，并得到它们相似程度的分数。

例如，"The sentence is almost similar"和"The sentence is similar"。

我不熟悉Java中现有的方法，但对于PHP，我知道levenshtein函数。

在Java中是否有更好的方法？

- hsmit

“similar”是什么意思？发音相似吗？视觉上相似吗？ - Viktor Klang

@Astor，从这个例子来看，我觉得可视化相似性和发音相似性都不是所需要的度量标准。 - Joey

这是一个“好问题”的很好的例子，但那些想要关闭stackoverflow上所有类型问题的人应该看到这个问题很清晰。那么为什么要关闭它呢？ - Brain

5个回答

21

Levenshtein距离是衡量两个字符串相似程度的一种方法。更确切地说，它表示要使两个字符串相等需要进行多少次修改。

在维基百科上提供了该算法的伪代码。将其转换为Java代码并不是太困难，但它没有内置在基础类库中。

维基百科还提供了一些衡量字符串相似度的其他算法。

- Joey

16

是的，这是一个很好的指标，您可以使用来自Apache Commons的StringUtil.getLevenshteinDistance()。

- jspcal

它在Java移动版中不可用，是吗？但感谢您的回复！ - hsmit

你可以将它与ME一起使用，只需添加jar文件即可。 - jspcal

1

嗯，不，我不太确定它是否完全可用于J2ME，它是使用J2SE编译的。 - Valentin Rocher

1

它不使用ME不支持的任何东西。您可以在jar中创建和复制。 - jspcal

3

您可以在https://github.com/tdebatty/java-string-similarity中找到Levenshtein和其他字符串相似度/距离测量的实现。

如果您的项目使用maven，安装就像这样简单：

<dependency>
  <groupId>info.debatty</groupId>
  <artifactId>java-string-similarity</artifactId>
  <version>RELEASE</version>
</dependency>

然后，比如要使用Levenshtein算法

import info.debatty.java.stringsimilarity.*;

public class MyApp {

  public static void main (String[] args) {
    Levenshtein l = new Levenshtein();

    System.out.println(l.distance("My string", "My $tring"));
    System.out.println(l.distance("My string", "My $tring"));
    System.out.println(l.distance("My string", "My $tring"));
  }
}

- Thibault Debatty

2

不好意思，我要自我推销一下，我也写了一个库：

https://github.com/vickumar1981/stringdistance

它包含所有这些函数，还有一些用于音相似度的函数（如果一个单词“听起来像”另一个单词-返回true或false，而其他模糊相似度是0-1之间的数字）。

还包括DNA测序算法，如Smith-Waterman和Needleman-Wunsch，它们是Levenshtein的广义版本。

在不久的将来，我计划使其适用于任何数组，而不仅仅是字符串（字符数组）。

- Vaibhav Kumar

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Philipp · Accepted Answer

以下Java库提供多种比较算法（Levenshtein，Jaro Winkler等）：

Apache Commons Lang 3: https://commons.apache.org/proper/commons-lang/
Simmetrics: http://sourceforge.net/projects/simmetrics/

这两个库都有Java文档（Apache Commons Lang Javadoc，Simmetrics Javadoc）。

//Usage of Apache Commons Lang 3
import org.apache.commons.lang3.StringUtils;   
public double compareStrings(String stringA, String stringB) {
    return StringUtils.getJaroWinklerDistance(stringA, stringB);
}

 //Usage of Simmetrics
import uk.ac.shef.wit.simmetrics.similaritymetrics.JaroWinkler    
public double compareStrings(String stringA, String stringB) {
    JaroWinkler algorithm = new JaroWinkler();
    return algorithm.getSimilarity(stringA, stringB);
}