java字符相似_Java 获得字符串相似度

package com.mybatis.plus.utils;

import org.apache.commons.lang3.StringUtils;public classStringUtil {/**

* java高效比较两个字符串的相似度算法

*

*

*

* 解决方法：

*

* Levenshtein Distance，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。

*

* 许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。

*

* 编辑距离的算法是首先由俄国科学家Levenshtein提出的，故又叫Levenshtein Distance。

*

*

*

* 算法原理：

*

* 该算法的解决是基于动态规划的思想，具体如下：

*

* 设 s 的长度为 n，t 的长度为 m。如果 n = 0，则返回 m 并退出；如果 m=0，则返回 n 并退出。否则构建一个数组 d[0..m, 0..n]。

*

* 将第0行初始化为 0..n，第0列初始化为0..m。

*

* 依次检查 s 的每个字母(i=1..n)。

*

* 依次检查 t 的每个字母(j=1..m)。

*

* 如果 s[i]=t[j]，则 cost=0；如果 s[i]!=t[j]，则 cost=1。将 d[i,j] 设置为以下三个值中的最小值：

*

* 紧邻当前格上方的格的值加一，即 d[i-1,j]+1

*

* 紧邻当前格左方的格的值加一，即 d[i,j-1]+1

*

* 当前格左上方的格的值加cost，即 d[i-1,j-1]+cost

*

* 重复3-6步直到循环结束。d[n,m]即为莱茵斯坦距离。*/

/**

* 比较两个字符串的相识度

*

*

* 核心算法：用一个二维数组记录每个字符串是否相同，如果相同记为0，不相同记为1，每行每列相同个数累加

*

*

* 则数组最后一个数为不相同的总数，从而判断这两个字符的相识度*/

private static intcompare(String str, String target) {int d[][]; //矩阵

int n =str.length();int m =target.length();int i; //遍历str的

int j; //遍历target的

char ch1; //str的

char ch2; //target的

int temp; //记录相同字符,在某个矩阵位置值的增量,不是0就是1

if (n == 0) {returnm;

}if (m == 0) {returnn;

}

d= new int[n + 1][m + 1];//初始化第一列

for (i = 0; i <= n; i++) {

d[i][0] =i;

}//初始化第一行

for (j = 0; j <= m; j++) {

d[0][j] =j;

}for (i = 1; i <= n; i++) {//遍历str

ch1= str.charAt(i - 1);//去匹配target

for (j = 1; j <= m; j++) {

ch2= target.charAt(j - 1);if (ch1 == ch2 || ch1 == ch2 + 32 || ch1 + 32 ==ch2) {

temp= 0;

}else{

temp= 1;

}//左边+1,上边+1, 左上角+temp取最小

d[i][j]= min(d[i - 1][j] + 1, d[i][j - 1] + 1, d[i - 1][j - 1] +temp);

}

}returnd[n][m];

}/**

* 获取最小的值*/

private static int min(int one, int two, intthree) {return (one = one < two ? one : two) < three ?one : three;

}/**

* 获取两字符串的相似度*/

public static floatgetSimilarityRatio(String str, String target) {if (StringUtils.isEmpty(str) ||StringUtils.isEmpty(target)) {return 0;

}int max =Math.max(str.length(), target.length());return 1 - (float) compare(str, target) /max;

}public static voidmain(String[] args) {

String a= "国家税务总局福建省税务局";

String b= "国家税务总局安徽省税务局";

System.out.println("相似度：" +getSimilarityRatio(a, b));

}

}