检查String听起来像Java中的另一个
我想知道Java中是否有任何类能够使用自己的标准检查String与另一个相等的数量。 示例：
William Shakespeare / William Shakespeare : might be 100%-
William Shakespe**a**re / William Shakespe**e**re : might have above 90% -
William Shakespeare / Shakespeare, William : might have above 70% (just examples)
通常，有levenshtein算法， 它只输出你需要执行多少次插入/更新/删除操作（字符）以便将一个字符串转换为另一个字符串。 Apache的StringUtils类有一个实现。
我看到两个主要候选人：
- Soundex编码，由Apache Commons实现。 但请注意，它主要用于单个相对较短的单词。 在第三个例子中找不到相似之处。 此外，它真的只适用于英语单词。
- Levenshtein距离 （再次在Apache Commons实施）。 这与语言无关，但与第三个示例中的切换部分的相似性相对较低（更像是40％）。 像Damerau-Levenshtein距离这样的修改可能会产生更好的结果。
您必须使用“软”字符串指标：
- 的SoundEx
- 音位
- 汉明距离
- Levenshtein距离
- …
还有许多其他内容，请参阅字符串度量标准以获取概述。
最好的算法高度依赖于问题领域。 例如，SoundEx会降低东欧名称，如果你想比较“真实世界”单词的相似性，汉明距离对你没什么帮助。
您可以使用： Class Soundex
这称为SoundEx，查找java soundex用于多个实现。
其中一个是apache soundex看起来不错（虽然我自己没有用过它）。
听起来像SoundEx ， Apache Commons中提供了一个实现。
您可以尝试SoundEx算法。
尝试SimMetrics – 包括SoundEx和ChapmanMatchingSoundex的开源库，它可以为给出的示例提供更好的分数。 即Will Shake vs Shake，这种方法是否会在SoundEx上使用匹配方法。 您可能想要尝试的另一个指标，尽管不是语音得分非常好（如果在不同的名称匹配任务中不是更好），则是同一个库中的q-Grams指标。
字符串匹配非常特定于问题，因为大多数情况下，您将在字符串中具有相同的噪声特性，无论是额外的标点符号，拼写错误还是拼写错误。 如果要大规模地执行此操作，则需要找到适合输入数据中的问题的算法。
Soundex会给你一定程度的信心，两个字符串听起来相同，但你可能必须先做一些前期清理（比如删除标点符号并将字符串标记为单独的单词）。
你可以做的最好的事情是进行测试，你可以使用大量不同的算法，levenshtein是一个伟大的算法，soundex（尽管你的里程会因你的问题区域而变化）。 这两种算法BTW也有变化。
我建议看看simmetrics和第二个字符串库，它们有很多字符串匹配实现（我更喜欢第二个字符串库）。
听起来你有一个有趣的问题要解决，祝你好运！