索引和比较字符串索引或散列

Question

我想清理我的音乐库，注意我的系统上双打最多的歌曲。我可以将它们全部列出，然后手动进行分类，但这需要很长时间。我想要列表排序最可能的重复。所以如果一首歌会有10个重复，那就意味着有10首相似的歌名，因此我会首先将注意力集中在那首歌上，以保持最佳版本。

我可以使用使用莱文斯坦字符串比较技术和宝石

require 'levenshtein' 
Levenshtein.distance("string1", "string2") => 1 

比较两个songnames但是，让我们说，我有歌曲X号，我将不得不每首歌曲的x倍的比较，因为我可以”吨依靠正常的档案，我会错过一些重复的话。例如

The Beatles - Hey Jude 
Beatles, The - hey jude 
Beatles_-_Hey_Judy_(remastered) 

应该给甲壳虫乐队 - 嘿朱迪（X3）

是否有生产基于文件的索引，然后可以进行排序，并会给降序排列的所有副本的方法吗？一种可以比较的散列？

我知道其他音乐比较方法，但他们有缺陷，这也可用于比较其他类型的文件。

Answer 1

尝试使用这个代码

files是文件名的阵列，max_distance是考虑类似名称的最大距离。

hash = {} 
files.each do |file| 
    similar = hash.keys.select { |f| Levenshtein.distance(f, file) < max_distance } 
    if similar.any? 
    hash[similar.first] += 1 
    else 
    hash.merge!({file => 0}) 
    end 
end 

后，你会得到hash，其中有文件名作为键和“重复”算值，并根据需要，你可以对它进行排序。