字符串相似及匹配 Jaro-Winkler

news2024/9/22 5:39:02

前言

String str1 = "明天吃红烧肉";
String str2 = "明天中午吃红烧肉";
String str3 = "明天吃红烧肉？";
String str4 = "吃红烧肉";

用普通的相等判断，只能得到是或否，但如果你在实际的业务需求中，有需要用到两个字符串的相似程度，做进一步的逻辑判断，那么在 Java 的轮子里，我推荐你使用 java-string-similarity

我只讲有用的部分：怎么拿到两个字符串的相似值，我浏览了一下我自己查找资料时所看的博客，有用的关键部分全都七零八落，所以看完这篇文章，保证你开箱即用，我会直接推荐一个我实际应用的相似度算法，并写一个demo

java-string-similarity

你只需要知道，这是个提供各种字符串相似度算法的三方库就好了，总共有十几种算法供君选用，我推荐在我看来，实际意义最大的一个算法：Jaro-Winkler，其他的算法还不如去搞elasticsearch

Jaro-Winkler

基于两个字符串之间的公共字符的数量和顺序，它考虑了典型的拼写偏差，使用前缀比例，对从头匹配的字符串给予更大的权重

说人话就是，在我看来，这个算法，和普通人判断两个字符串的相似程度的逻辑是一致的，头部越像，权重越高，尾部相像，权重不大

先看下运行结果：

如果关键字在句子的后面部分，相似度会急剧下降，这种情况就需要你另外在java-string-similarity，找寻合适的算法了

demo

maven 引入

<dependency>
    <groupId>info.debatty</groupId>
    <artifactId>java-string-similarity</artifactId>
    <version>2.0.0</version>
</dependency>

使用

public static void main(String[] args) {
    JaroWinkler jaroWinkler = new JaroWinkler();
    String str1 = "明天吃红烧肉";;
    String str2 = "明天中午吃红烧肉";
    String str3 = "明天吃红烧肉？";
    String str4 = "吃红烧肉";
    System.out.println(str1 + " 和 " + str2 + " 的相似度为：" + jaroWinkler.similarity(str1, str2));
    System.out.println(str1 + " 和 " + str3 + " 的相似度为：" + jaroWinkler.similarity(str1, str3));
    System.out.println(str1 + " 和 " + str4 + " 的相似度为：" + jaroWinkler.similarity(str1, str4));
}