インデックスや文字列のインデックスやハッシュを比較する

Question

私の音楽ライブラリを整理するために、私のシステムで最も倍増している曲に注意を払います。私はちょうどそれらをすべてリストし、並べ替え、手動で行うことができますが、それは時間がかかりすぎます。私は、リストが最も重複したものを並べ替えるようにしたい。だから、曲に10個の重複がある場合は、お互いに似ている10の曲名があることを意味するので、最初にその曲に注目して、最高のバージョンを保つようにします。

私はレーベンシュタイン文字列比較技術や宝石を使用して

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

を使用して2つのsongnamesを比較だがさんは、私は曲のx数を持っているとしましょう可能性があり、私は「私ができるので、それぞれの曲のx回を比較しなければなりません通常のファイル共有に頼っていると、重複してしまいます。例えば

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

はビートルズを与える必要があります - ちょっとジュディ（×3）

は、ソートすることができ、降順ですべての重複を与えるだろう、ファイル名に基づいてインデックスを生成する方法はありますか？比較できるハッシュの一種？

私は方法を比較する他の音楽を知っていますが、彼らの欠陥があり、これは他の種類のファイルを比較するのにも役立ちます。

Answer 1

はmax_distanceは、類似した名前を検討する最大距離で、このコード

filesファイル名の配列があるを使用してみてください。

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 

その後、あなたがキーと「重複」などのファイル名を持つhashを、取得する値としてカウントし、あなたが望むようにそれを並べ替えることができます。