Java 获得字符串相似度

package com.mybatis.plus.utils;

import org.apache.commons.lang3.StringUtils;

public class StringUtil {
    /**
     * 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
     * <p>
     * <p>
     * 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
     * <p>
     * <p>
     * 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 int compare(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) {

            return m;

        }

        if (m == 0) {

            return n;

        }

        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);

            }

        }

        return d[n][m];

    }


    /**
     * 获取最小的值
     */


    private static int min(int one, int two, int three) {


        return (one = one < two ? one : two) < three ? one : three;


    }


    /**
     * 获取两字符串的相似度
     */


    public static float getSimilarityRatio(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 void main(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));

    }
}

StringUtil.java