索引和比較字符串索引或散列

Question

我想清理我的音樂庫，注意我的系統上雙打最多的歌曲。我可以將它們全部列出，然後手動進行分類，但這需要很長時間。我想要列表排序最可能的重複。所以如果一首歌會有10個重複，那就意味着有10首相似的歌名，因此我會首先將注意力集中在那首歌上，以保持最佳版本。

我可以使用使用萊文斯坦字符串比較技術和寶石

require 'levenshtein' 
Levenshtein.distance("string1", "string2") => 1 

比較兩個songnames但是，讓我們說，我有歌曲X號，我將不得不每首歌曲的x倍的比較，因爲我可以」噸依靠正常的檔案，我會錯過一些重複的話。例如

The Beatles - Hey Jude 
Beatles, The - hey jude 
Beatles_-_Hey_Judy_(remastered) 

應該給甲殼蟲樂隊 - 嘿朱迪（X3）

是否有生產基於文件的索引，然後可以進行排序，並會給降序排列的所有副本的方法嗎？一種可以比較的散列？

我知道其他音樂比較方法，但他們有缺陷，這也可用於比較其他類型的文件。

Answer 1

嘗試使用這個代碼

files是文件名的陣列，max_distance是考慮類似名稱的最大距離。

hash = {} 
files.each do |file| 
    similar = hash.keys.select { |f| Levenshtein.distance(f, file) < max_distance } 
    if similar.any? 
    hash[similar.first] += 1 
    else 
    hash.merge!({file => 0}) 
    end 
end 

後，你會得到hash，其中有文件名作爲鍵和「重複」算值，並根據需要，你可以對它進行排序。