矩阵式比较两文本字符串相似度（包含汉字）方法两则（java代码）

本文主要是我最近做项目的过程中遇到的一个问题：比较两个文本字符串的相似度，经过我两天的大量查阅以及思考和整理，得出一下两种方法，第一种方法是网上的一位大神写的，我经过了一部分改写，更适合各位猿友观赏，第二种是我的领导总结的：

part 1：

package com.gsww.ctyxy.util;
import java.text.NumberFormat;  
 
import java.util.Locale;  
 
 
/** 
 
* 比较两个字符串的相似度 
 
*/  
 
public class AutomaticRating {  
 
/*    public static void main(String[] args) {  
 
       String strA = “我是中国人”;  
 
       String strB = “我是中国人”;  
 
       double result=SimilarDegree(strA, strB);  
 
       if(result>=0.4&&result<0.6){  
           System.out.println(“本次作业的成绩为：” +similarityResult(result)+result+”–及格”);  
 
       }else if (result>=0.6&&result<0.8) {
       
        System.out.println(“本次作业的成绩为：” +similarityResult(result)+result+”–良好”);  

       }else if (result>=0.8) {
       
        System.out.println(“本次作业的成绩为：” +similarityResult(result)+result+”–优秀”);  
}else{  
 
           System.out.println(“本次作业的成绩为：”+similarityResult(result)+result+”–不及格”);  
 
       }   
   }  */
 
 
 
   /** 
 
    * 相似度转百分比 
 
    */  
 
   public static String similarityResult(double resule){  
 
       return  NumberFormat.getPercentInstance(new Locale( “en “, “US “)).format(resule);  
 
   }  
 
     
 
   /** 
 
    * 相似度比较 
 
    * @param strA 
 
    * @param strB 
 
    * @return 
 
    */  
 
   public static double SimilarDegree(String strA, String strB){  
 
       String newStrA = removeSign(strA);  
       //System.out.println(newStrA);
       String newStrB = removeSign(strB);  
       //System.out.println(newStrB);
 
       int temp = Math.max(newStrA.length(), newStrB.length());  
     int  lenA = newStrA.length();
     int lenB = newStrB.length();
       System.out.println(temp);
       int temp2 = 0;
       //在此判断newStrA和newStrB的长度
       if (lenA >=lenB?true:false) {
         temp2 = longestCommonSubstring(newStrA, newStrB).length();  
}else{
temp2 = longestCommonSubstring(newStrB, newStrA).length();  
}
      
       System.out.println(temp2);
       return temp2 * 1.0 / temp;  
 
   }  
 
     
 
   private static String removeSign(String str) {  
 
       StringBuffer sb = new StringBuffer();  
 
       for (char item : str.toCharArray())  
 
           if (charReg(item)){  
 
               System.out.println(“–”+item);  
 
               sb.append(item);  
 
           }  
       System.out.println(sb.toString());
 
       return sb.toString();  
 
   }  
 
 
   //利用正则表达式来解析字符串
   private static boolean charReg(char charValue) {  
 
       return (charValue >= 0x4E00 && charValue <= 0X9FA5)  
 
               || (charValue >= ‘a’ && charValue <= ‘z’)  
 
               || (charValue >= ‘A’ && charValue <= ‘Z’)  
 
               || (charValue >= ‘0’ && charValue <= ‘9’);  
 
   }  
 
 
 //解析两个字符串的相同部分的长度，返回公共部分，strA字符串长度 > strB字符串
   private static String longestCommonSubstring(String strA, String strB) {  
 
       char[] chars_strA = strA.toCharArray();  
 
       char[] chars_strB = strB.toCharArray();  
 
       int m = chars_strA.length;  
 
       int n = chars_strB.length;  
 
       int[][] matrix = new int[m + 1][n + 1];  
 
       for (int i = 1; i <= m; i++) {  
 
           for (int j = 1; j <= n; j++) {  
 
               if (chars_strA[i - 1] == chars_strB[j - 1])  
 
                   matrix[i][j] = matrix[i - 1][j - 1] + 1;  
 
               else  
 
                   matrix[i][j] = Math.max(matrix[i][j - 1], matrix[i - 1][j]);  
 
           }  
 
       }  
 
       char[] result = new char[matrix[m][n]];  
 
       int currentIndex = result.length - 1;  
 
       while (matrix[m][n] != 0) {  
 
           if (matrix[n] == matrix[n - 1])  
 
               n–;  
 
           else if (matrix[m][n] == matrix[m - 1][n])   
 
               m–;  
 
           else {  
 
               result[currentIndex] = chars_strA[m - 1];  
 
               currentIndex–;  
 
               n–;  
 
               m–;  
 
           }  
       }  
 
       return new String(result);  
 
   }  
 
}  

part 2：public class SimilarityRatio {
    private 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];
        for (i = 0; i <= n; i++)
        {                       // 初始化第一列
            d[i][0] = i;
        }


        for (j = 0; j <= m; j++)
        {                       // 初始化第一行
            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];
    }


    private 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 float getSimilarityRatio(String str, String target)
    {
        //去除空白字符、换行、标点符号
        String regex = “[\\pP\\p{Punct}\\s]”;
        return 1 - (float) compare(str.replaceAll(regex, “”), target.replaceAll(regex, “”)) / Math.max(str.length(), target.length());
    }


    public static void main(String[] args)
    {
        String  str= “论据容易理解,把它们分成小块,并以相似的格式和句子结构呈现每一个论据”;
        String target = “根据领域关系可以合并领域相同或相似的句子，得到句群及其领域”;
        SimilarityRatio lt = new SimilarityRatio();
        System.out.println(“similarityRatio=” + lt.getSimilarityRatio(str, target));
    }
}

备注：上述两种方法都是经过反复测试和修改得到的，代码绝对简练和高大上，有猿友想要使用完全可以复制粘贴；

当然有好意见的请随时批评；