如何在不忽略拼写错误的情况下通过相似性比较字符串？

Question

我需要按邻近度比较两个字符串，以防完整字符串上的 string.equals 失败，我需要始终比较名字和中间的 and/or 姓氏。

我已经找到了一些比较算法，但他们都考虑了结果的拼写错误，我必须比较确切的输入。

示例：

Maria souza silva = Maria souza silva = ok

Maria souza silva = Maria silva = ok

Maria souza silva = Maria Carvalho = Nok

Maria souza silva = Ana souza silva = Nok

Maria de souza silva = Maria de = Nok

Maria de souza silva = Maria souza = OK

我正在尝试这样的事情：

String name = "Maria da souza Silva";

String nameRequest = "Maria da Silva";

if(name.equalsIgnoreCase(nameRequest)){
    System.out.print("ok 0");
}

String[] names = name.split(" ");

int nameLenght = names.length-1;

if(nameRequest.startsWith(names[0])){
    System.out.println("ok 1, next");
} else {
    System.out.print("nok, stop");
}

if(nameRequest.endsWith(names[nameLenght])){
    System.out.print("ok 2");
}

结果是ok 1, next和ok 2。

名字和姓氏都可以，但是我需要比较中间名，忽略像"de/da"这样的。

Answer 1

您可以像这样使用正则表达式：

String firstName = "maria";
String lastName = "silva";

String regex = ("^" + firstName + "([ ].*[ ]|[ ])" + lastName + "$");

System.out.println("maria de silva".matches(regex));
System.out.println("maria silva".matches(regex));
System.out.println("maria deb".matches(regex));
System.out.println("a silva".matches(regex));
System.out.println("mariasilva".matches(regex));

true
true
false
false
false

正则表达式将在开头查找名字，在字符串末尾查找姓氏，在中间查找 2 space 之间的任何字符或仅查找一个 space.

Answer 2

一开始我打算使用纯正则表达式，可能有办法，但是这段代码会产生您要查找的结果，使用 first 和 last，或 first 和 middle，并忽略 de 和 da。

private void checkName(String target, String source) {
    Pattern pattern = Pattern.compile("^(?<firstName>[^\s]+)\s((de|da)(\s|$))?(?<otherName>.*)$");
    Matcher targetMatcher = pattern.matcher(target.trim().toLowerCase());
    Matcher sourceMatcher = pattern.matcher(source.trim().toLowerCase());
    if (!targetMatcher.matches() || !sourceMatcher.matches()) {
        System.out.println("Nok");
    }

    boolean ok = true;
    if (!sourceMatcher.group("firstName").equals(targetMatcher.group("firstName"))) {
        ok = false;
    } else {
        String[] otherSourceName = sourceMatcher.group("otherName").split("\s");
        String[] otherTargetName = targetMatcher.group("otherName").split("\s");

        int targetIndex = 0;
        for (String s : otherSourceName) {
            boolean hit = false;
            for (; targetIndex < otherTargetName.length; targetIndex++) {
                if (s.equals(otherTargetName[targetIndex])) {
                    hit = true;
                    break;
                }
            }
            if (!hit) {
                ok = false;
                break;
            }
        }
    }
    System.out.println(ok ? "ok" : "Nok");
}

对于您的示例，输出为：

ok
ok
Nok
Nok
Nok
ok

如何在不忽略拼写错误的情况下通过相似性比较字符串？

How to compare strings by similarity without ignoring typos?

java

algorithm

comparison