Java实现字符串匹配

本文介绍了在Java中如何实现字符串匹配,特别是在解决文本串和模式串匹配问题上,详细解析了蛮力法和KMP算法。通过实例展示了KMP算法在文本串中找到模式串的开始匹配位置,如6和12。
摘要由CSDN通过智能技术生成

1 问题描述
给定一个n个字符组成的串(称为文本),一个m(m <= n)的串(称为模式),从文本中寻找匹配模式的子串。

2 解决方案
2.1 蛮力法

package com.liuzhen.chapterThree;

public class BruteForceStringMatch {
    //根据文本串N,和模式串M,返回第一个匹配模式串的子串在N中的位置
    public static int getStringMatch(int[] N , int[] M){
        int n = N.length;          //文本串的长度
        int m = M.length;          //模式串的长度
        for(int i = 0;i < n-m;i++){       //最后一轮子串匹配的起始位置是n-m,如果大于n-m一定不会出现匹配子串
            int j = 0;
            while(j < m && M[j] == N[i+j])
                j = j +1;
            if(j == m)
                return i;
        }
        return -1;
    }
    
    public static void main(String args[]){
        int[] N  = {1,2,3,2,4,5,6,7,8,9};
        int[] M = {6,7,8};
        int position = getStringMatch(N,M);
        System.
以下是Java实现符串余弦相似度匹配的示例代码: ``` import java.util.HashMap; import java.util.Map; public class CosineSimilarity { public static double cosineSimilarity(String text1, String text2) { Map<String, Integer> wordFrequencyMap1 = new HashMap<>(); Map<String, Integer> wordFrequencyMap2 = new HashMap<>(); String[] words1 = text1.toLowerCase().split("\\W+"); String[] words2 = text2.toLowerCase().split("\\W+"); for (String word : words1) { if (wordFrequencyMap1.containsKey(word)) { wordFrequencyMap1.put(word, wordFrequencyMap1.get(word) + 1); } else { wordFrequencyMap1.put(word, 1); } } for (String word : words2) { if (wordFrequencyMap2.containsKey(word)) { wordFrequencyMap2.put(word, wordFrequencyMap2.get(word) + 1); } else { wordFrequencyMap2.put(word, 1); } } double dotProduct = 0.0; double normA = 0.0; double normB = 0.0; for (String word : wordFrequencyMap1.keySet()) { if (wordFrequencyMap2.containsKey(word)) { dotProduct += wordFrequencyMap1.get(word) * wordFrequencyMap2.get(word); } normA += Math.pow(wordFrequencyMap1.get(word), 2); } for (String word : wordFrequencyMap2.keySet()) { normB += Math.pow(wordFrequencyMap2.get(word), 2); } return dotProduct / (Math.sqrt(normA) * Math.sqrt(normB)); } public static void main(String[] args) { String text1 = "Hello world"; String text2 = "hello world"; double cosineSimilarity = cosineSimilarity(text1, text2); System.out.println("Cosine similarity: " + cosineSimilarity); } } ``` 在`cosineSimilarity`方法中,我们将每个符串转换为单词列表,然后计算它们的词频。然后,我们可以计算两个符串的余弦相似度。在`main`方法中,我们定义了两个符串并计算它们的余弦相似度。
评论 22
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值