java - Java的近似正则表达式库？

Question

我刚刚写了一些近似字符串匹配的代码。我想将我的幼稚算法与在 JVM 上运行的更成熟的实现进行基准测试。有什么建议么？

Answer 1

对于类似问题，我在本网站的其他地方找到了这些答案。

Commons Lang 有一个 Levenshtein distance 的实现。
http://commons.apache.org/lang/api-release/org/apache/commons/lang/StringUtils.html

Commons Codec 有 soundex 和 metaphone 的实现。
http://commons.apache.org/codec/api-release/org/apache/commons/codec/language/Soundex.html
http://commons.apache.org/codec/api-release/org/apache/commons /codec/language/Metaphone.html

（来源）

卢森 (http://lucene.apache.org/）也实现了 Levenshtein 编辑距离。

（来源：zarawesome）

Answer 2

碰巧我在多年前重新发明了这个轮子——在大型机上的 FORTRAN 程序中:)

当我在网上自豪地告诉其他人我的算法时，他们笑着指给我看这个领域的两个（四个？）大牌：

• Needleman-Wunsch和
• 史密斯-沃特曼。

这些是用于比较大量相似字符串的算法。内存需求约为m + n，其中 m 和 n 是字符串的大小，运行时间约为m * n。

Gunslinger47 提到了 Levenshtein、Soundex 和 Metaphone。Levenshtein 也是一种计算字符串距离的强大方法，但它更适合“普通”文本。Soundex 和 Metaphone 计算一个短字符串，用于对人类说话时字符串的声音进行编码......它们在大约 3 个音节后变得无效，它们实际上是用于人类语言中的单词而不是基因组字符串等。

编辑

哎呀，我刚刚在你引用的文章的底部找到了我的 4 个大牌。所以你已经知道它们了。我认为，如果您搜索这些名称，“Java”应该会找到您的实现。这是我找到的第一个。