查找包含另一个字符串的字符串部分，可能有中间词答案

【问题标题】：Find string section that contains another String, with possible intervening words查找包含另一个字符串的字符串部分，可能有中间词
【发布时间】：2011-05-08 12:43:46
【问题描述】：

对于本学期的最后一个项目，目标是在 Song 对象内的歌词字符串上运行特定短语的搜索，然后根据子字符串匹配的长度对结果进行排名。歌词是从文件中读取的，并与该文件中的换行符匹配。

例如，搜索“她爱你”会在示例匹配中返回以下内容：

披头士乐队：“...... 她爱你，是的，是的，是的......”排名= 13 个字符
Bonnie Raitt：“...她只是爱你 ...”排名= 18 个字符
埃尔维斯普雷斯利：“...你在问她是否爱我\r\n嗯，你不知道...” Rank= 23 个字符

从上一个例子可以看出，匹配可以跨越多行。

我拥有TreeMap<String, TreeSet<Song>> 中的所有歌曲，因此我获得了与查询中的第一个单词匹配的所有歌曲。我遇到的困难是在字符串中搜索匹配项，因为正则表达式在这种情况下不起作用。

构造 Song 对象时，我将歌词转储到一个 Set 中以运行单个单词的搜索，为此我使用 String.split("[^a-zA-Z}") 分隔各个单词并清除标点符号。所以我想在那个数组上运行我的搜索。我正在使用的过程如下：

break up the query into a String array
  for each Song in the set
    if (song.lyrics.contains(query)
      great, break loop to next song

    otherwise
      int queryCounter=0;
      find first index point in String array that matches query[queryCounter]
        using that as the start point, iterate through the String array for matches

当迭代完成时，会创建一个 Rank 对象来保存匹配的数组部分的歌曲、搜索短语、起点和终点。在 Rank 对象中是一种计算字符数并补偿空白以计算排名的方法。然后将其插入到 PriorityQueue 中，将从原始 matchSet 中提取前十个匹配项。

问题在于，这并不能防止误报，而且匹配排名可能会出现偏差。例如，Aerosmith 的 Beyond Beautiful 包含“……她爱我，她不爱你……”与我的过程，我将匹配“……她爱我她爱你不是...”，所以我的排名不是 13，而是 27。

为了消除误报和错误排名，我需要进行哪些更改？

【问题讨论】：

基本上，在'otherwise'块中，找到第一个与起点匹配的索引后，您还必须寻找可能的其他起点，如果找到另一个起点，则重新设置起点。
我建议我们有homework.stackoverflow.com，我们只是在那里转发所有作业。 :)
我不介意，问题是过去一个月我标记为 -homework- 的每个帖子都已被编辑以删除标记。
@Neil: "The homework tag, like other so-called 'meta' tags, is now discouraged," 但是，@Jason，请（一如既往）继续（一如既往）关注general guidelines：说明任何特殊限制，展示您迄今为止尝试过的内容，并询问具体是什么让您感到困惑。你可以在文中提到这是作业，如果你认为这会给你更好的答案；但真正重要的是可能适用于您的独特限制，具体取决于您的学校（列表中的“特殊限制”）。
@The：就 SO 提出基本或家庭作业问题是可以接受的，我认为没有人真正反对这一点。

标签： java text-search

【解决方案1】：

我想补充一下jjinguy所说的：

基本上，在'otherwise'块中，找到第一个与起点匹配的索引后，您还必须寻找可能的其他起点，如果找到另一个起点，则重新设置起点

我会保留一首歌中所有可能匹配项的列表，最后使用排名最高的匹配项。简单地重置起点可能无法获得排名最高的比赛。

也许这不是最好的方法，但问题仍然存在。

【讨论】：