您需要对这些术语进行聚类,对于相似性度量,我建议在字符 – 克级别使用
Dice’s Coefficient.例如,将字符串分成两个字母的序列进行比较(term1 =“NB”,“BA”,“A”,“B”,“Ba”……).
nltk似乎提供了骰子作为nltk.metrics.association.BigramAssocMeasures.dice(),但它足够简单,以允许调整的方式实现.以下是如何比较角色而不是单词级别的这些字符串.
import sys,operator
def tokenize(s,glen):
g2 = set()
for i in xrange(len(s)-(glen-1)):
g2.add(s[i:i+glen])
return g2
def dice_grams(g1,g2): return (2.0*len(g1 & g2)) / (len(g1)+len(g2))
def dice(n,s1,s2): return dice_grams(tokenize(s1,n),tokenize(s2,n))
def main():
GRAM_LEN = 4
scores = {}
for i in xrange(1,len(sys.argv)):
for j in xrange(i+1,len(sys.argv)):
s1 = sys.argv[i]
s2 = sys.argv[j]
score = dice(GRAM_LEN,s2)
scores[s1+":"+s2] = score
for item in sorted(scores.iteritems(),key=operator.itemgetter(1)):
print item
使用您的字符串运行此程序时,会产生以下相似性分数：
./dice.py "NBA Basketball" "Basketball NBA" "Basketball" "Baseball"
('NBA Basketball:Baseball',0.125)
('Basketball NBA:Baseball',0.125)
('Basketball:Baseball',0.16666666666666666)
('NBA Basketball:Basketball NBA',0.63636363636363635)
('NBA Basketball:Basketball',0.77777777777777779)
('Basketball NBA:Basketball',0.77777777777777779)
至少对于这个例子,篮球和棒球术语之间的界限应该足以将它们聚集成单独的组.或者,您可以使用阈值在代码中更直接地使用相似性分数.

	

这是对字符串列表进行排序的Java程序。该程序使用compareTo()方法比较字符串，最后使用冒泡排序技术对字符串进行排序。compareTo()方法比较两个字符串并返回一个整数值。返回的整数值解释如下：
小于零：第一个字符串小于第二个字符串
大于零：第一个字符串大于第二个字符串
零：两个字符串相等
Java程序对字符串列表进行排序
class StringsSortingExample
{public static void main(String...s){int n,i,j;
    String str[]={"you","are","so","cute","person"}; 
    System.out.println("Before Sorting:");for(i=0;i      System.out.println(str[i]);for(i=0;i    {for(j=0;j-1);++j)
      {if(str[j].compareTo(str[j+1])>0)
        {
          String temp;
          temp=str[j+1];
          str[j+1]=str[j];
          str[j]=temp;
        }
      }
    }
    System.out.println("\nAfter Sorting:");for(i=0;i      System.out.println(str[i]);
  } 
}
输出量翻译自: https://www.thecrazyprogrammer.com/2015/08/java-program-to-sort-list-of-strings.html
推荐阅读--
每日一课 | Java阶乘程序
每日一课 | java lambda循环
每日一课 | java字符串加入空格
每日一课 | AES加密和解密(CBC模式)
每日一课 | python去除图片水印
球分享
球点赞
球在看

今天项目里面有一个点的需求是要做字符串去重外加查询出现次数最多的字符， 

个人比较懒，就想去网上看看大神们都是怎么写的比较完美的（就是懒），但是找了几个之后发现， 

好像不约而同的都少了一个我比较关注的点，就是当出现两个字符出现的次数是一样多并且最多的时候只是由于方法的不用显示前一个或者后一个，想了一下，大神们肯定是不屑的写，或者没有关注这个点吧，脸皮厚补充一下

var str = "qqqqwwweeeeasdfavcfghyk";
    function test(str){
      var newStr = "";
      var obj = {};
      for(var i=0; i<str.length; i++){
        if(newStr.indexOf(str[i]) == -1){
          newStr += str[i];
        }
        if(obj[str[i]]){
          obj[str[i]] += 1;
        }else{
          obj[str[i]] = 1;
        }
      }
      var strMax = "";
      var numMax = 0;
      var strs = "";
      for(var j in obj){
        if(numMax <= obj[j]){
          numMax = obj[j];
          strMax = j;
          if(numMax == obj[j]){
            strs += strMax;
          }
        }
      }
      return "去重后字符串：" + newStr+ "出现次数最多字符：" +strs+ "出现次数为：" +numMax;
    }
    console.log(test(str));

系列文章《C语言经典100例》持续创作中，欢迎大家的关注和支持。
喜欢的同学记得点赞、转发、收藏哦～
后续C语言经典100例将会以pdf和代码的形式发放到公众号
欢迎关注：计算广告生态 即时查收
1 题目
函数：sort()
功能：将若干字符串按照字母顺序输出
描述：实现对程序中几个字符串按照从小到大的顺序进行排序，并打印出来
2 思路
运用字符串数组的方式：
char * week[] = {};
将 week 传递到 sort() 函数，然后利用 C 语言提供的 strcmp() 进行字符类的比较
3 代码
#include <stdio.h> 
#include <string.h>
#define N 7

/**
函数：sort()
功能：将若干字符串按照字母顺序输出
描述：实现对程序中几个字符串按照从小到大的顺序进行排序，并打印出来
**/


void sort(char *p[]) {
 char *temp;
 for (int i = 0; i < N; ++i) {
  for (int j = i+1; j < N; ++j) {
   if (strcmp(*(p+i), *(p+j)) > 0) { // 比较大小，交换位置
    temp = *(p+i);
    *(p+i) = *(p+j);
    *(p+j) = temp;
   }
  }
 }
}


int main(int argc, char const *argv[]) { 
 char * week[] = {
  "Monday",
  "Tuesday",
  "Wednesday",
  "Thursday",
  "Friday",
  "Saturday",
  "Sunday"
 };
 sort(week);
 printf("排序后的周为：n");
 for (int i = 0; i < N; ++i) {
  printf("%s ", *(week+i));
 }
 getchar();
}
示例结果：
$ gcc ex029.c -o de
$ ./demo
排序后的周为：
Friday Monday Saturday Sunday Thursday Tuesday Wednesday
--END--
喜欢本文的同学记得点赞、转发、收藏~
更多内容，欢迎大家关注我们的公众号：计算广告生态
后续C语言经典100例将会以pdf和代码的形式发放到公众号
同时也带来更多系列文章以及干货❤️！