Java：使用Soundex算法建立一個龐大的數據庫

Question

我一直在使用Soundex算法，我發現它已經準備好用Java http://introcs.cs.princeton.edu/java/31datatype/Soundex.java.html。 該程序的主要用途是準備一個.cvs文件，然後在將其條目保存到數組後，它會藉助此算法檢查這些數組中是否存在語音相似性。 （更多關於soundex算法http://en.wikipedia.org/wiki/Soundex）。

我的.cvs文件有或多或少的200.000條目，因此，需要5個小時來檢查30.000條目，這一事實我認爲很慢。 [我的算法檢查數組的所有條目，除了那些已經檢查過的 - 所以，我認爲這裏沒有問題。

所以，我的問題是： 有沒有辦法縮短這個時間？

我一直在考慮用SQL的幫助直接將數據庫連接到程序，但我不知道是否有另一種方法可以做到這一點，速度會更快。

請任何建議將是非常有益的。

Answer 1

我不知道Java算法是如何工作的。很多數據庫都包含一個soundex()函數。這將字符串轉換爲表示聲音的另一個字符串。

然後，您可以對生成的soundex字符串進行比較。

這應該比目前的方法快得多，快得多。你將不得不測試它是否返回可接受的結果。

其實，我只是看着java代碼。你可以在那裏採取相同的方法。瀏覽文件，計算每個條目的soundex。然後做比較 - 也許通過整理文件和尋找重複。

Answer 2

只需在數據庫中使用soundex實現。大多數大型流行的數據庫都有內置的，例如PostgreSQL,MySQL甚至微軟的T-SQL。安裝起來會更容易，並且可能比您使用的任何Java庫快得多。