计算两个字符串相似度的算法（Java 实现）

Question

1. 公司的业务逻辑是：通过 OCR 扫描出来的 Word 文档，可能出现文字错误，乱码，或者缺少的情况。
2. 由于这种 word 文档都是财务报表之类的，里面的专业用词都是固定的（做成 wordmodle 的形式），所以想用 word 文档中的文本和 wordmodle 进行比较，相似度较高的直接替换。

可能大家对 OCR 扫描出来的文档比较陌生，我贴张图给大家看看：

Answer 1

没啥特殊要求的话，我用的是levenshtein distance:

莱文斯坦距离，又称Levenshtein距离，是编辑距离的一种。指两个字串之间，由一个转成另一个所需的最少编辑操作次数。允许的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。

这里也有样例代码
https://en.wikibooks.org/wiki...

Answer 2

建议使用编辑距离，楼上的大神已经说的很清楚了，我目前也是这种做法。还有可以选择的一种方法是算cos