?你好，我是小航，一个正在变秃、变强的文艺倾年。
?本文讲解使用Java实现组队匹配功能，欢迎大家多多关注！
?国庆节到了，一起卷起来叭！
前言：
在排位上分中，或者在日常做项目中，常常会有找队友的需求。于是借国庆休息，写一篇组队匹配的文章叭，大佬勿喷！
一、数据库设计：
create database match_demo;use match_demo;CREATE TABLE `user_info` ( `id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键ID', `user_name` varchar(50) DEFAULT NULL COMMENT '用户名', `sex` tinyint DEFAULT NULL COMMENT '性别', `age` int DEFAULT NULL COMMENT '年龄', `tags` varchar(255) DEFAULT NULL COMMENT '标签', PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;二、初始化项目：
项目目录：
我们首先构建几条假数据：
新建一个接口：
@RestControllerpublic class ApiController { @Autowired DemoService demoService; @PostMapping("/match") public Result<List<DemoEntity>> matchUser(@RequestBody List<String> tags) { List<DemoEntity> demoEntities = demoService.matchUserByTags(tags); return new Result<List<DemoEntity>>().ok(demoEntities); }}测试打印：
package com.example.demo.service.impl;import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;import com.example.demo.dao.DemoDao;import com.example.demo.entity.DemoEntity;import com.example.demo.service.DemoService;import org.springframework.stereotype.Service;import org.springframework.util.StringUtils;import java.util.List;/** * @author artboy */@Servicepublic class DemoServiceImpl extends ServiceImpl<DemoDao, DemoEntity> implements DemoService { @Override public List<DemoEntity> matchUserByTags(List<String> tags) { List<DemoEntity> demoEntities = baseMapper.selectList(null); System.out.println(demoEntities); return demoEntities ; }}测试效果：
三、标签匹配：
首先我们引入最小编辑距离算法工具类：
最短编辑距离(Minimum Edit Distance)，也被称为Levenshtein距离，是一种计算两个字符串间的差异程度的字符串度量(string metric)。我们可以认为Levenshtein距离就是从一个字符串修改到另一个字符串时，其中编辑单个字符（比如修改、插入、删除）所需要的最少次数。
我们试图找到“从字符串AA修改到字符串BB”这一问题的子解结构。当然反过来说“从字符串BB修改到字符串AA”和它是同一个问题，因为从AA中删掉一个字符来匹配BB，就相当于在BB中插入一个字符来匹配AA，这两个操作是可以互相转化的。
假设字符序列A[1…i]A[1…i]、B[1…j]B[1…j]分别是字符串AA、BB的前ii、jj个字符构成的子串，我们得到一个子问题是“从字符串A[1…i]A[1…i]修改到字符串B[1…j]B[1…j]”：出了这一概念。
具体实现大家可以参考文章：最短编辑距离的原理解释
我们这里的做法即是：计算待匹配串数组和某一用户的标签字符串数组的相近距离（只不过这里距离只有0和1）
我们先以字符串为例：
package com.example.demo.utils;public class MinimumEditDistance { public static void main(String[] args) { //字符串word1和word2分别是要进行对比的两个字符串 String word1 = "Java"; String word2 = "javase"; //在本类中调用本类的静态方法minimumEditDistance(...)故不需在方法前加类名或创建类对象 //输出字符串word1和word2互相转换的最小编辑距离 System.out.println(minimumEditDistance(word1, word2)); } //注意此方法是静态方法，这样在本类的main方法中可直接用本方法名调用本方法，而不需要创建对象再调用此方法 //本方法的形式参数word1和word2分别是要进行对比的两个字符串，最后返回的是int型的两个字符串互相转换的最小编辑距离 public static int minimumEditDistance(String word1, String word2) { //新建一个二维数组，用于存取两字符串的各个子字符串之间的最短编辑距离 //其中新建的二维数组的行列都+1是因为最短编辑距离的矩阵的子字符串从空串""开始，把空串""考虑进去，因此行列都+1 int[][] minMatrix = new int[word1.length() + 1][word2.length() + 1]; //minMatrix[i][j]表示：字符串word1的第0到第i-1个字符构成的子字符串 与 字符串word2的第0到第j-1个字符构成的子字符串 互相转换的最小编辑距离 //例如word1="legend"而word2="laland"，那么minMatrix[2][3]的结果是2，其表示 字符串word1的第0到第1个字符构成的子字符串"le" 与 字符串word2的第0到第2个字符构成的子字符串"lal" 互相转换的最小编辑距离为2 //当word2的子字符串是空串""时，而当word1的子字符串分别是：空串""、第0个字符、第0到第1个字符、第0到第2个字符...第0到第i-1个字符构成的子字符串时， //minMatrix[i][0]表示该两个子字符串互相转换的最小编辑距离 for (int i = 0; i < word1.length(); i++) { minMatrix[i][0] = i; } //当word1的子字符串是空串""时，而当word2的子字符串分别是：空串""、第0个字符、第0到第1个字符、第0到第2个字符...第0到第j-1个字符构成的子字符串时， //minMatrix[0][j]表示该两个子字符串互相转换的最小编辑距离 for (int j = 0; j < word2.length(); j++) { minMatrix[0][j] = j; } //建一个二层循环嵌套，分别比较并计算word1和word2的子字符串都不是空串""时互相转换的最小编辑距离 for (int i = 1; i < word1.length() + 1; i++) { for (int j = 1; j < word2.length() + 1; j++) { //word1.charAt(i-1)方法指字符串word1的第i个字符，而第i个字符的数组下标是i-1 //若某两个子字符串的最后一个字符相同，那么此时此两个子字符串的最短编辑距离等价于：没有最后一个相同字符的两个子字符串互相转换的最短编辑距离 //例如"lalan"和"legen"的最后一个字符都是"n"，则 "lalan"和"legen"的最小编辑距离 等于 "lala"和"lege"的最小编辑距离 if (word1.charAt(i - 1) == word2.charAt(j - 1)) { minMatrix[i][j] = minMatrix[i - 1][j - 1]; } //若某两个子字符串的最后一个字符不相同，那么此时此两个子字符串的最短编辑距离等价于：minMatrix[i-1][j]和minMatrix[i][j-1]和minMatrix[i-1][j-1]之间的最小值，再+1 //最后+1是因为最后一个字符不相同。若是minMatrix[i-1][j-1]+1，则是某两个子字符串的最后两个不同字符进行1次替换字符操作，从而让该两字符相同； //若是minMatrix[i-1][j]+1或minMatrix[i][j-1]+1，则是某两个子字符串的两个不同字符进行1次插入/删除字符操作； else { minMatrix[i][j] = (Math.min((Math.min(minMatrix[i - 1][j], minMatrix[i][j - 1])), minMatrix[i - 1][j - 1])) + 1; } } } //最后返回的是int型的两个字符串互相转换的最小编辑距离，该值是行列分别是word1和word2的长度的二维数组minMatrix的元素值 return minMatrix[word1.length()][word2.length()]; }}为了符合真实场景，我们对单词忽略大小写：
package com.example.demo.utils;public class MinimumEditDistance { public static void main(String[] args) { String word1 = "Java"; String word2 = "javase"; System.out.println(minimumEditDistance(word1, word2)); } public static int minimumEditDistance(String word1, String word2) { word1 = word1.toLowerCase(); word2 = word2.toLowerCase(); ..... }}输出结果：
2将字符串匹配更换为字符串数组匹配：（注意这里要以待匹配的标签为准）
public static void main(String[] args) { List<String> tags1 = Arrays.asList("Java", "Python"); List<String> tags2 = Arrays.asList("Java", "Python"); System.out.println(minimumEditDistance(tags1, tags2)); } /** * @param tags1 待匹配标签 * @param tags2 标签库 */ public static int minimumEditDistance(List<String> tags1, List<String> tags2) { int len1 = tags1.size(); int len2 = Math.min(tags1.size(), tags2.size()); int[][] minMatrix = new int[len1 + 1][len2 + 1]; for (int i = 0; i < len1; i++) { minMatrix[i][0] = i; } for (int j = 0; j < len2; j++) { minMatrix[0][j] = j; } for (int i = 1; i < len1 + 1; i++) { for (int j = 1; j < len2 + 1; j++) { if (tags1.get(i - 1).equalsIgnoreCase(tags2.get(j - 1))) { minMatrix[i][j] = minMatrix[i - 1][j - 1]; } else { minMatrix[i][j] = (Math.min((Math.min(minMatrix[i - 1][j], minMatrix[i][j - 1])), minMatrix[i - 1][j - 1])) + 1; } } } return minMatrix[len1][len2]; }运行结果：
0注意这里我们匹配的是下标已经一一对应好的字符串数组["Java", "Python"] 与 ["Python", "Java"]这样是不行的，原因其实也很好理解，ab字符串与ba字符串最小编辑距离为2，而不是0，由于标签具有唯一性，我们只需要对字符串数组按字典排序即可。
所以我们将字符串数组进行预处理排序：（可以导入标签的时候进行这一步）
public static void main(String[] args) { List<String> tags1 = Arrays.asList("Java", "Python"); List<String> tags2 = Arrays.asList("Python", "Java"); tags1.sort(String::compareTo); tags2.sort(String::compareTo); System.out.println("[Java, Python]与[Python, Java]的最小编辑距离：" + minimumEditDistance(tags1, tags2)); }测试结果：
[Java, Python]与[Python, Java]的最小编辑距离：0编写业务层：DemoServiceImpl
@Override public List<DemoEntity> matchUserByTags(List<String> tags) { List<DemoEntity> demoEntities = baseMapper.selectList(null); Gson gson = new Gson(); // <用户列表下标, 相似度> HashMap<Integer, Integer> indexDistanceMap = new HashMap<>(); for (int i = 0; i < demoEntities.size(); i ++) { DemoEntity demoEntity = demoEntities.get(i); String tags1 = demoEntity.getTags(); // 无标签 if (StringUtils.isEmpty(tags1)) { continue; } List<String> userTag = gson.fromJson(tags1, new TypeToken<List<String>>() { }.getType()); // 字符串数组预处理 tags.sort(String::compareTo); userTag.sort(String::compareTo); // 计算最小编辑距离得分 Integer score = MinimumEditDistance.minimumEditDistance(tags, userTag); indexDistanceMap.put(i, score); } // 对相似度进行升序排序 //利用Map的entrySet方法，转化为list进行排序 List<Map.Entry<Integer, Integer>> entryList = new ArrayList<>(indexDistanceMap.entrySet()); //利用Collections的sort方法对list排序 entryList.sort(Comparator.comparingInt(Map.Entry::getValue)); List<DemoEntity> collect = entryList.stream().limit(5).map( entry -> demoEntities.get(entry.getKey()) ).collect(Collectors.toList()); return collect; }测试：
修改数据库用例：
请求JSON：["java"]返回结果：{ "code": 0, "msg": "success", "data": [ { "id": 2, "userName": "b", "sex": "1", "age": 28, "tags": "[\"Java\"]" }, { "id": 3, "userName": "c", "sex": "1", "age": 45, "tags": "[\"Java\",\"Python\"]" }, { "id": 1, "userName": "a", "sex": "1", "age": 16, "tags": "[\"Python\"]" } ]}可能还是有很多很多bug，先鸽这叭，能力有限，大家尽情发挥！
文章涉及到的代码：
代码链接
最后祝大家，国庆节快乐！
