Apache commons codec 之language

標籤：apache   java   code   原始碼   

         Apache commons codec的language是一個功能比較強大的包，主要是用在對各種語言的處理上，當然，這個包對漢字的支援很糟糕。這一塊的內容，在網上非常少，只能自己寫一些挺膚淺的代碼，以後如果有機會接觸，再完善。

我們先學習下編碼的範例。

 

Examples of Soundex Coding

Name                Letters Coded       Coding

Allricht            l, r, c             A-462

Eberhard            b, r, r             E-166

Engebrethson        n, g, b             E-521

Heimbach            m, b, c             H-512

Hanselmann          n, s, l             H-524

Henzelmann          n, z, l             H-524

Hildebrand          l, d, b             H-431

Kavanagh            v, n, g             K-152

Lind, Van           n, d                L-530

Lukaschowsky        k, s, s             L-222

McDonnell           c, d, n             M-235

McGee               c                   M-200

O‘Brien             b, r, n             O-165

Opnian              p, n, n             O-155

Oppenheimer         p, n, m             O-155

Swhgler             s, l, r             S-460

Riedemanas          d, m, n             R-355

Zita                t                   Z-300

Zitzmeinn           t, z, m             Z-325

 

         在一些英文使用的場合中，特別是語音上，有很多可能相似的單詞，用這個包裡的方法使用下：

package test.ffm83.commons.codec;

 

import org.apache.commons.codec.language.RefinedSoundex;

import org.apache.commons.lang.StringUtils;

/**

 * 通過apache commonscodec的lanauage包進行字元的相似度差異

 * 返回的是0到最短的編碼長度，0表示無關，4或者意味著可能比較相似

 * @author範芳銘

 */

public classEasyLanguageDiff {

    private RefinedSoundexstringEncoder = this.createStringEncoder();

    public static void main(String[] args)throws Exception{

        EasyLanguageDiffdiff = newEasyLanguageDiff();

        diff.getDifference();

        diff.getEncode();

       

    }

   protectedRefinedSoundex createStringEncoder() {

        return new RefinedSoundex();

   }

   publicRefinedSoundex getStringEncoder() {

        return this.stringEncoder;

   }

    public  void getDifference() throws Exception{

        System.out.println(StringUtils.center("字串差異", 50,"-"));

        System.out.println(this.getStringEncoder().difference(null,null));

        System.out.println(this.getStringEncoder().difference("",""));

        System.out.println(this.getStringEncoder().difference(" "," "));

        System.out.println(this.getStringEncoder().difference("Margaret","Andrew"));

        System.out.println(this.getStringEncoder().difference("Smith","Smythe"));

        System.out.println(this.getStringEncoder().difference("Ann","Andrew"));

        System.out.println(this.getStringEncoder().difference("Green","Greene"));

        System.out.println(this.getStringEncoder().difference("Smithers","Smythers"));

        System.out.println();

    }

   

    public void getEncode() throws Exception{

        System.out.println(StringUtils.center("語言編碼", 50,"-"));

        System.out.println(this.getStringEncoder().encode("testing")); 

        System.out.println(this.getStringEncoder().encode("TESTING"));

       

        System.out.println(this.getStringEncoder().encode("dogs"));

        System.out.println(RefinedSoundex.US_ENGLISH.encode("dogs"));

        //目前不支援漢字，加入就直接異常

        //System.out.println(this.getStringEncoder().encode("範芳銘"));

        System.out.println();

    }

}

 

運行結果如下：

----------------------字串差異-----------------------

0

0

0

1

6

3

5

8

 

-----------------------語言編碼-----------------------

T6036084

T6036084

D6043

D6043

Apache commons codec 之language