Java如何实现字符串相似度匹配，计算相似值

文
章
目
录

你知道Java中如何判断两个字符串之间的相似度，计算出它们的计算相似值吗？比如在问答系统里找匹配问题、博客中搜索文章、搜索引擎优化以及数据清洗等场景会经常遇到该问题。今天就给大家分享在Java里用Levenshtein距离实现字符串相似度匹配的方法。

一、Levenshtein距离定义

Levenshtein距离也叫编辑距离，是俄罗斯科学家弗拉基米尔·莱文斯坦在1965年提出来的，专门用来衡量两个字符串的差异程度。简单来说，就是计算把一个字符串变成另一个字符串，最少需要进行多少次插入、删除或替换字符的操作。知道了Levenshtein距离，就能算出两个字符串的相似度，相似度越接近1，说明两个字符串越相似。

二、Java代码实现Levenshtein距离计算

（一）引入依赖

在Java项目里用Levenshtein距离，得先引入Apache Commons Lang库，它提供了计算Levenshtein距离的实用方法。如果项目用Maven管理依赖，就在pom.xml文件里添加下面这段依赖：

<!-- 在 Maven 的 pom.xml 文件中添加 Apache Commons Lang 依赖 -->
<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-lang3</artifactId>
    <version>3.12.0</version>
</dependency>

（二）编写代码

下面写一个Java类，里面有个方法专门计算字符串相似度。

import org.apache.commons.lang3.StringUtils;

public class QuestionMatcher {
    // 计算两个字符串之间的相似度的方法
    public static double calculateSimilarity(String input, String target) {
        // 计算两个字符串的最大长度
        int maxLength = Math.max(input.length(), target.length());
        // 使用StringUtils工具类计算Levenshtein距离
        int editDistance = StringUtils.getLevenshteinDistance(input, target);
        // 根据Levenshtein距离计算相似度
        return 1.0 - (double) editDistance / maxLength;
    }

    public static void main(String[] args) {
        // 用户输入的问题
        String userQuestion = "如何煮鸡蛋?";
        // 已知的问题数组
        String[] knownQuestions = { "如何煮沸鸡蛋?", "如何煎鸡蛋?", "如何剥鸡蛋皮?"};
        // 初始化最高相似度和最佳匹配问题
        double highestSimilarity = 0;
        String bestMatch = null;
        // 遍历已知问题，找到与用户问题最相似的一个
        for (String question : knownQuestions) {
            double similarity = calculateSimilarity(userQuestion, question);
            if (similarity > highestSimilarity) {
                highestSimilarity = similarity;
                bestMatch = question;
            }
        }
        // 输出最佳匹配的问题和其相似度
        System.out.println("最佳匹配问题: " + bestMatch + "，相似度: " + highestSimilarity);
    }
}

测试结果如下图：

（三）代码解释

calculateSimilarity方法：这个方法接收两个字符串参数，先算出它们的最大长度，再用StringUtils工具类计算Levenshtein距离，最后根据公式把距离转换成相似度。按照这个公式，得到的相似度越接近1，说明两个字符串越像。
main方法：程序从这里开始执行。先定义了用户输入的问题和一组已知问题，然后遍历这些已知问题，每次都计算和用户输入问题的相似度。在遍历过程中，记录下相似度最高的问题和对应的相似度，最后输出最佳匹配的问题和它的相似度。

手写编辑距离计算算法

我们也可以自己手写一个编辑距离的算法，，常用于拼写检查或字符串匹配。代码如下：

public class LevenshteinDistance {
    // 计算两个字符串之间编辑距离的方法
    public static int calculate(String s1, String s2) {
        // 创建一个二维数组dp，用于存储中间计算结果
        int[][] dp = new int[s1.length() + 1][s2.length() + 1];

        // 初始化第一行和第一列
        for (int i = 0; i <= s1.length(); i++) {
            for (int j = 0; j <= s2.length(); j++) {
                if (i == 0) {
                    dp[i][j] = j;
                } else if (j == 0) {
                    dp[i][j] = i;
                } else if (s1.charAt(i - 1) == s2.charAt(j - 1)) {
                    dp[i][j] = dp[i - 1][j - 1];
                } else {
                    dp[i][j] = 1 + Math.min(dp[i - 1][j - 1], Math.min(dp[i - 1][j], dp[i][j - 1]));
                }
            }
        }
        // 返回最终计算得到的编辑距离
        return dp[s1.length()][s2.length()];
    }

    public static void main(String[] args) {
        // 定义两个字符串
        String s1 = "kitten";
        String s2 = "sitting";

        // 计算并输出这两个字符串的编辑距离
        int distance = calculate(s1, s2);
        System.out.println("编辑距离: " + distance);
    }
}

calculate方法使用动态规划算法，通过填充二维数组dp来计算编辑距离，最后返回最右下角的值作为结果。

三、应用场景及总结

通过上面的例子，大家应该清楚Levenshtein距离在实际应用里是怎么匹配用户问题的了。这种基于Levenshtein距离计算字符串相似度的方法，应用场景可不止问答系统这一个。在搜索引擎优化时，可以用它判断搜索关键词和网页内容的相似度，提升搜索结果的精准度；数据清洗的时候，也能借助它发现和处理相似的重复数据。掌握了这个方法，在Java中处理字符串相似度开发时就可以轻松拿捏了。

当然，除了基于Levenshtein距离计算字符串相似度的方法外，还有其他一些算法可以实现文本字符串相似度判断，可以参考下文：

Java中几种实现高效的相似度计算算法

文章目录一、相似度计算到底是什么？二、Java实现相似度计算的开源库三、相似度计算算法的Java实现（ […]