在 Ruby 中检测相似的字符串。

Question

在我的数据库中，有一些条目，例如。 Тормозной диск、Диски тормозные LPR 等在 art_groups_arr 数组中。我想找到所有类似Тормозной диск的条目，比如Диски тормозные LPR

这段代码：

art_groups_arr.each do |artgrarr|
  if n2.art_group.include?(artgrarr)
    non_original << n2
  end
end

显然没有找到它们。我怎样才能找到那些相似的字符串？

Answer 1

你也许可以使用正则表达式，例如：

art_groups_arr.each do |art_gr_arr|
  if n2.art_group.any? { |element|
    /ормозн/ =~ element and /диск/ =~ element
  } then non_original << n2 end
end

或者，you can try out fuzz_ball gem 声称实现了 Smith-Waterman 算法。

require 'fuzz_ball'
THRESHOLD_SCORE = 0.75
MATCHER = FuzzBall::Searcher.new [ 'Тормозной диск LPR' ]

def complies?( str )
  matchdata = MATCHER.search str
  return false if matchdata.nil? or matchdata.empty?
  score = matchdata[0][:score]
  puts "score is #{score}"
  score > THRESHOLD_SCORE
end

art_groups_arr.each do |art_gr_arr|
  if n2.art_group.any? { |element| complies? element } then
    non_original << n2
  end
end

对于'Диски тормозные LPR' 你得到分数0.861，你必须调整阈值。