我需要删除包含多个段落的文本中的重复段落。
我使用类中的函数java.security.MessageDigest计算每个段落的MD5哈希值，然后将这些哈希值添加到Set.
If add()'ed 成功，这意味着最新的段落是重复的。
这种方式有风险吗？
Except String.equals()，还有其他办法吗？
在散列之前，您可以对段落进行规范化，例如删除标点符号、转换为小写并删除额外的空格。
标准化后，仅存在差异的段落将获得相同的哈希值。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
