從文件名創建搜索條件

Question

我目前正在嘗試構建一個讀取一堆文件名（目前只有幾百個）的小型系統，然後允許用戶搜索文件名。最終的目標是找到一些令人不愉快的名字，但它們會分享一些常見的詞彙。我最終想添加一個功能，以允許它建議可能的重複。

當前我將每個文件路徑添加到ArrayList，然後將文件名的每個單詞傳遞給使用鏈接的Hashtable。單詞使用String.split()創建，所有非字母數字字符都轉換爲空格。這部分工作正常，你可以搜索單詞的無憂。

我知道搜索多個術語背後的理論，獲取響應並建立與選擇每個文檔多少次的基本相關性。

我目前的問題是與這個'mybestfile'類似的文件名。我的程序只能將它們作爲一個單詞處理。除非搜索'mybestfile'，否則你什麼也找不到。

任何人都可以提出我應該從這裏下來的設計路徑。我知道我可以在整個字典中解析，然後嘗試通過匹配子字符串來拉出單詞，但說實話，這只是一個簡單的程序，我寧願避免那種事情。

任何幫助將不勝感激！

（而且這個點半的學習，一半證明我能做到這一點，所以我想知道的是已經存在的解決方案，但更多的，他們是怎麼做的，而不是用它們來代替）

Answer 1

您可以從Apache Codec language package中的各種「聽起來像」和距離算法開始。 （我認爲距離算法是在Commons Lang中，而不是編解碼器。）

SimMetrics是另一個。實際上找不到我要找的那個，但here's a list, too。