从Excel读取数据,然后分析相似的数据,多线程处理(多线程比较相似的字符串,统计出相似的数量及字符串)
之前的jar包有问题,现已修改.
需要的jar包,已修改

自己去Maven中央仓库下载jar包.
excel数据:

直接上代码.
程序再度优化了一遍.之后如果想再度精准,可能需要建模,最近没空继续做了.
实体类:
package org.analysisitem20181016.pojo;
public class Item {
private int index;
private int match_text_length;
private String item_name;
private String activity_id;
private String type;
private String user_id;
private String selled_count;
private int similarity;
private String matchText;
public String getItem_name() {
return item_name;
}
public void setItem_name(String item_name) {
this.item_name = item_name;
}
public String getActivity_id() {
return activity_id;
}
public void setActivity_id(String activity_id) {
this.activity_id = activity_id;
}
public String getType() {
return type;
}
public void setType(String type) {
this.type = type;
}
public String getUser_id() {
return user_id;
}
public void setUser_id(String user_id) {
this.user_id = user_id;
}
public String getSelled_count() {
return selled_count;
}
public void setSelled_count(String selled_count) {
this.selled_count = selled_count;
}
public int getSimilarity() {
return similarity;
}
public void setSimilarity(int similarity) {
this.similarity = similarity;
}
public String getMatchText() {
return matchText;
}
public void setMatchText(String matchText) {
this.matchText = matchText;
}
public int getIndex() {
return index;
}
public void setIndex(int index) {
this.index = index;
}
public int getMatch_text_length() {
return match_text_length;
}
public void setMatch_text_length(int match_text_length) {
this.match_text_length = match_text_length;
}
}
线程处理类(改良后使用了calculate2方法来匹配):
package org.analysisitem20181016.main;
import org.analysisitem20181016.pojo.Item;
public class ThreadMain implements Runnable{
private int index;
private Item item;
public ThreadMain(int index, Item item){
this.index = index;
this.item = item;
}
@Override
public void run() {
System.out.println("任务" + index + "开始执行!");
for(int i = 0; i < CompareMain.itemList.size(); i++){
if(i == index){
continue;
}
String text = item.getItem_name();
String text2 = CompareMain.itemList.get(i).getItem_name();
String initText = null;
String initText2 = null;
if(text.length() <= text2.length()){
initText = text;
initText2 = text2;
}else{
initText = text2;
initText2 = text;
}
// String calculatedText = calculate(initText, initText, initText2, 0, 2);
String calculatedText = calculate2(initText, initText, initText2, 0, 2);
/*if(initText.equals("蒜瓣肉")){
System.out.println(item.getSimilarity());
if(item.getSimilarity() > 9){
System.out.println("initText:" + initText);
System.out.println("text:" + text);
System.out.println("text2:" + text2);
}
}*/
if(calculatedText != null && calculatedText.equals("")){
calculatedText = "无匹配数据";
}
if(calculatedText != null && !calculatedText.equals("无匹配数据")){
// System.out.println("匹配字符串:" + calculatedText);
item.setMatchText(calculatedText);
item.setSimilarity(item.getSimilarity() + 1);
}
}
/*if(item.getItem_name().equals("蒜瓣肉") && item.getSimilarity() > 9){
System.out.println("相似数量:" + item.getSimilarity());
}*/
CompareMain.calculatedItemList.add(item);
}
public static String calculate2(String initText, String text, String initText2, int beginIndex, int len){
String subText = null;
if(initText2.contains(text)){
if(initText.equals("芹菜文") && initText2.equals("芹菜文")){
System.out.println(4);
System.out.println("4最后结果:" + text);
System.out.println("4结束!");
}
return text;
}else{
while(initText.length() < len){
len--;
}
if(len >= CompareMain.minTextLen){
if(initText.equals("芹菜文")){
System.out.println(1);
}
if(beginIndex + len < initText.length()){
subText = initText.substring(beginIndex, beginIndex + len);
beginIndex++;
return calculate2(initText, subText, initText2, beginIndex, len);
}else if(beginIndex + len >= initText.length()){
subText = initText.substring(beginIndex);
beginIndex = 0;
len--;
return calculate2(initText, subText, initText2, beginIndex, len);
}
}
}
return null;
}
public static String calculate(String initText, String text, String text2, int beginIndex, int len){
if(text2.contains(text)){
return text;
}else{
String subText = null;
if(len < initText.length()){
if(beginIndex + len < initText.length()){
subText = initText.substring(beginIndex, beginIndex + len);
}else{
subText = initText.substring(beginIndex);
}
// System.out.println("subText:" + subText);
if(subText.length() == len){
// System.out.println("subText.length():" + subText.length());
beginIndex++;
return calculate(initText, subText, text2, beginIndex, len);
}
}
}
return null;
}
}
修复了一个bug.
分析主类(改变了一点代码,逻辑没变):
package org.analysisitem20181016.main; import java.io.File;
import java.io.FileOutputStream;
import java.util.ArrayList;
import java.util.concurrent.LinkedBlockingQueue;
import java.util.concurrent.ThreadPoolExecutor;
import java.util.concurrent.TimeUnit; import org.analysisitem20181016.pojo.Item;
import org.apache.poi.hssf.usermodel.HSSFWorkbook;
import org.apache.poi.poifs.filesystem.POIFSFileSystem;
import org.apache.poi.ss.usermodel.Cell;
import org.apache.poi.ss.usermodel.Row;
import org.apache.poi.ss.usermodel.Sheet;
import org.apache.poi.ss.usermodel.Workbook; public class CompareMain{ public static ArrayList<Item> itemList = new ArrayList<Item>();
private static String replaceReg = "[^\u4e00-\u9fa5]+";
public static int maxTextLen = 4;
public static int minTextLen = 2;
public static ArrayList<Item> calculatedItemList = new ArrayList<Item>(); public static void main(String[] args){
try{
CompareMain compareMain = new CompareMain();
compareMain.readExcel();
// compareMain.compare();
compareMain.subsectionCalculate();
compareMain.show();
compareMain.writeExcel();
}catch(Exception e) {
e.printStackTrace();
}
} public void writeExcel() throws Exception{
File file = new File("G:/Database/Item20181016_YangBing/notitle2.xls");
Workbook wb = new HSSFWorkbook();
Sheet sheet = wb.createSheet();
Row row = sheet.createRow(0);
Cell cell = row.createCell(0);
cell.setCellValue("item_name");
cell = row.createCell(1);
cell.setCellValue("activity_id");
cell = row.createCell(2);
cell.setCellValue("type");
cell = row.createCell(3);
cell.setCellValue("user_id");
cell = row.createCell(4);
cell.setCellValue("selled_count");
cell = row.createCell(5);
cell.setCellValue("相似数量");
cell = row.createCell(6);
cell.setCellValue("匹配字符串");
for (int i = 0; i < calculatedItemList.size(); i++) {
Item item = calculatedItemList.get(i);
if(item != null){
row = sheet.createRow(i + 1);
cell = row.createCell(0);
cell.setCellValue(item.getItem_name());
cell = row.createCell(1);
cell.setCellValue(item.getActivity_id());
cell = row.createCell(2);
cell.setCellValue(item.getType());
cell = row.createCell(3);
cell.setCellValue(item.getUser_id());
cell = row.createCell(4);
cell.setCellValue(item.getSelled_count());
cell = row.createCell(5);
/*if(item.getItem_name().equals("蒜瓣肉")){
System.out.println("相似数量:" + item.getSimilarity());
}*/
cell.setCellValue(item.getSimilarity());
cell = row.createCell(6);
cell.setCellValue(item.getMatchText());
}
}
FileOutputStream fos = new FileOutputStream(file);
wb.write(fos);
fos.flush();
fos.close();
wb.close();
System.out.println("写入Excel文件完成!");
} public void show(){
// System.out.println(calculatedItemList.size());
for(Item item : calculatedItemList){
if(item != null){
// System.out.println("item_name:" + item.getItem_name() + ",匹配字符串:" + item.getMatchText() + ",count:" + item.getSimilarity());
}
}
} public void subsectionCalculate() throws Exception{
LinkedBlockingQueue<Runnable> workQueue = new LinkedBlockingQueue<Runnable>();
int size = itemList.size();
ThreadPoolExecutor executor = new ThreadPoolExecutor(size, size, 7200, TimeUnit.SECONDS, workQueue);
for(int i = 0; i < itemList.size(); i++){
Item outerItem = itemList.get(i);
ThreadMain threadMain = new ThreadMain(i, outerItem);
executor.execute(threadMain);
}
while(true){
if(executor.getCompletedTaskCount() >= size){
executor.shutdown();
executor.shutdownNow();
break;
}
Thread.sleep(1000);
}
} /*public void compare(){
System.out.println("正在比较中...");
for(int i = 0; i < itemList.size(); i++){
Item outerItem = itemList.get(i);
for(int j = i + 1; j < itemList.size(); j++){
Item innerItem = itemList.get(j);
String outerItemName = outerItem.getItem_name();
String innerItemName = innerItem.getItem_name();
if(!filtered){
outerItemName = outerItemName.replaceAll(replaceReg, "");
innerItemName = innerItemName.replaceAll(replaceReg, "");
}
// int count = calculate(outerItemName, innerItemName, initialLen);
outerItem.setSimilarity(outerItem.getSimilarity() + count);
}
// calculatedItemList.add(outerItem);
}
System.out.println("计算完毕!");
}*/ public void readExcel() throws Exception{
File file = new File("G:/Database/Item20181016_YangBing/notitle.xls");
POIFSFileSystem fs = new POIFSFileSystem(file);
Workbook wb = new HSSFWorkbook(fs);
// int sheet_size = wb.getNumberOfSheets();
Sheet sheet = wb.getSheetAt(0);
for(int i = 1; i < sheet.getPhysicalNumberOfRows(); i++){
Row row = sheet.getRow(i);
Item item = new Item();
for(int j = 0; j < row.getLastCellNum(); j++){
Cell cell = row.getCell(j);
if(j == 0){
String item_name = cell.getStringCellValue();
item_name = item_name.replaceAll(replaceReg, "");
item.setItem_name(item_name);
}else if(j == 1){
double activity_id = cell.getNumericCellValue();
item.setActivity_id((long)activity_id + "");
}else if(j == 2){
String type = cell.getStringCellValue();
item.setType(type);
}else if(j == 3){
double user_id = cell.getNumericCellValue();
item.setUser_id((long)user_id + "");
}else if(j == 4){
double selled_count = cell.getNumericCellValue();
item.setSelled_count((long)selled_count + "");
}
}
itemList.add(item);
}
wb.close();
fs.close();
} }
现在可以匹配多个字符了,会有一点bug,暂时没空解决.
好了,有兴趣的自己看代码吧!
解析结果:

非常有问题,但是暂时没空也没心思解决.
从Excel读取数据,然后分析相似的数据,多线程处理(多线程比较相似的字符串,统计出相似的数量及字符串)的更多相关文章
- 大数据离线分析平台 JavaSDK数据收集引擎编写
JavaSDK设计规则 JavaSDK提供两个事件触发方法,分别为onChargeSuccess和onChargeRefund.我们在java sdk中通过一个单独的线程来发送线程数据,这样可以减少对 ...
- 大数据离线分析平台 用户数据Etl
Etl目标 解析我们收集的日志数据,将解析后的数据保存到hbase中.这里选择hbase来存储数据的主要原因就是: hbase的宽表结构设计适合我们的这样多种数据格式的数据存储(不同event有不同 ...
- 大数据离线分析平台 JSSDK数据收集引擎编写
JsSDK设计规则在js sdk中我们需要收集launch.pageview.chargeRequest和eventDuration四种数据,所以我们需要在js中写入四个方法来分别收集这些数据,另外我 ...
- snmp数据包分析
今天看了一下snmp数据包的报文格式,用wireshark抓了两个数据包来分析. 先说说snmp get-request的书报包格式吧,get-next-request,get-response,se ...
- 第三课 创建函数 - 从EXCEL读取 - 导出到EXCEL - 异常值 - Lambda函数 - 切片和骰子数据
第 3 课 获取数据 - 我们的数据集将包含一个Excel文件,其中包含每天的客户数量.我们将学习如何对 excel 文件进行处理.准备数据 - 数据是有重复日期的不规则时间序列.我们将挑战数 ...
- 信用卡欺诈数据的分析-excel篇
本篇文章为大家提供了数据集分析的思路和步骤,同时也分享了自己的经验. 一.背景 反欺诈是一项识别服务,是对交易诈骗.网络诈骗.电话诈骗.盗卡盗号等行为的一项风险识别.其核心是通过大数据的收集.分析和处 ...
- Java读取Excel并与SqlServer库中的数据比较
先说说需求.在SQL server数据库中的表里存在一些数据,现在整理的Excel文档中也存在一些数据,现在需要通过根据比较某个字段值(唯一)来判断出,在库中有但excel中没有的数据. 大概的思路就 ...
- 无法读取Excel中的数据单元格。有数据,但是读出来全是空值
C#读取Excel,取值为空的解决办法! C#读取Excel遇到无法读取的解决方法是什么呢?这样在C#读取Excel的过程中有很多问题,那么本文就向你介绍如何解决C#读取Excel遇到无法读取的解决方 ...
- 你别告诉我你还在用Excel做数据透视分析吧,太low了!
来到大数据分析的时代,大量的大数据分析软件涌现,尽管如此,如果今天有人问起最常用的数据透视分析工具是什么的时候,我猜想Excel应该是大家的不二之选. 但是其实我想说,用现在的手机来打比方,Excel ...
随机推荐
- C语言预处理命令总结大全 :宏定义
C程序的源代码中可包括各种编译指令,这些指令称为预处理命令.虽然它们实际上不是C语言的一部分,但却扩展了C程序设计的环境.本节将介绍如何应用预处理程序和注释简化程序开发过程,并提高程序的可读性.ANS ...
- 如何编写linux下nand flash驱动-2
[Nand Flash引脚(Pin)的说明] 图3.Nand Flash引脚功能说明 上图是常见的Nand Flash所拥有的引脚(Pin)所对应的功能,简单翻译如下: 1. I/O0 ~ ...
- 解析javascript变量
//add by tim//提供解析javascript 脚本的变量集合 using System;using System.Collections.Generic;using System.Linq ...
- bzoj3696
3696: 化合物 Time Limit: 10 Sec Memory Limit: 512 MBSubmit: 245 Solved: 131[Submit][Status][Discuss] ...
- 【转载】OAuth的机制原理讲解及开发流程
1.OAuth的简述 OAuth(Open Authorization,开放授权)是为用户资源的授权定义了一个安全.开放及简单的标准,第三方无需知道用户的账号及密码,就可获取到用户的授权信息,并且这是 ...
- 使用root用户登录到AWS EC2服务器,上传文件到/var/www目录
关键词 1.aws ec2中上传文件到/var/www目录(使用filezilla) 2.使用root用户登录aws ec2实例 上一篇随笔中记录了在aws ec2实例中部署apache服务器的过程, ...
- HDU 5514 Frogs (数论容斥)
题意:有n只青蛙,m个石头(围成圆圈).第i只青蛙每次只能条ai个石头,问最后所有青蛙跳过的石头的下标总和是多少? 析:首先可以知道的是第 i 只青蛙可以跳到 k * gcd(ai, m),然后我就计 ...
- HDU 5945 Fxx and game (DP+单调队列)
题意:给定一个 x, k, t,你有两种操作,一种是 x - i (0 <= i <= t),另一种是 x / k (x % k == 0).问你把x变成1需要的最少操作. 析:这肯定是 ...
- python 面向对象九 定制类
一.定制类,实质就是我们自己重写特殊函数 看到类似__slots__这种形如__xxx__的变量或者函数名就要注意,这些在Python中是有特殊用途的. __slots__我们已经知道怎么用了,__l ...
- ARC102 C~D
C: 枚举中间点,计算两边点差值,把个数乘起来即可 #include<iostream> #include<cstdio> #include<algorithm> ...