从文件名创建搜索条件

Question

我目前正在尝试构建一个读取一堆文件名（目前只有几百个）的小型系统，然后允许用户搜索文件名。最终的目标是找到一些令人不愉快的名字，但它们会分享一些常见的词汇。我最终想添加一个功能，以允许它建议可能的重复。

当前我将每个文件路径添加到ArrayList，然后将文件名的每个单词传递给使用链接的Hashtable。单词使用String.split()创建，所有非字母数字字符都转换为空格。这部分工作正常，你可以搜索单词的无忧。

我知道搜索多个术语背后的理论，获取响应并建立与选择每个文档多少次的基本相关性。

我目前的问题是与这个'mybestfile'类似的文件名。我的程序只能将它们作为一个单词处理。除非搜索'mybestfile'，否则你什么也找不到。

任何人都可以提出我应该从这里下来的设计路径。我知道我可以在整个字典中解析，然后尝试通过匹配子字符串来拉出单词，但说实话，这只是一个简单的程序，我宁愿避免那种事情。

任何帮助将不胜感激！

（而且这个点半的学习，一半证明我能做到这一点，所以我想知道的是已经存在的解决方案，但更多的，他们是怎么做的，而不是用它们来代替）

Answer 1

您可以从Apache Codec language package中的各种“听起来像”和距离算法开始。 （我认为距离算法是在Commons Lang中，而不是编解码器。）

SimMetrics是另一个。实际上找不到我要找的那个，但here's a list, too。