Проверка, содержит ли строка в списке часть строки из другого списка, и возвращает уникальный список после обработки списка

Question

processTest работает так, что если list contains первые три слова или последние три слова или средний текст из заголовка, он будет удален из modifiableList. Обратите внимание, count > 1L -> список должен содержать похожие слова более одного раза. Я ожидаю, что мой окончательный список будет похож на мой результат теста с 3 элементами, но я получаю результат с 4 элементами. В моем примере тестовые данные: Благодарим вас за помощь в выяснении проблемы или улучшении качества кода.

1. проверка не совпадает с словами 1 xyz не совпадает с словами -> не должно быть в списке, соответствует первым трем словам, удалено

2. тест без различий в тех же словах 1 xyz не не в тех же словах -> не должно быть в списке, соответствует последним трем словам, удалено

3. тест первых трех слов 1 xyz не те же слова -> должен быть в списке

4. тест первых трех слов 2 xyz последние три слова -> не должно быть в списке, соответствует последним трем / первым словам

5. тест первых трех слов 3 xyz последние три слова -> не должно быть в списке, соответствует последним трем / первым словам

6. первые три слова Тест 4 xyz последние три слова -> должно быть в списке

7. разные слова Тест 5 xyz последние разные слова -> должен быть в списке

@Test
  public void processDataTest() {
    List<String> modifiableList = new ArrayList<>();
    modifiableList.add("not same words test 1 xyz not same words");
    modifiableList.add("not not same words test 1 xyz not not same words");
    modifiableList.add("not same words test 1 xyz not same words");
    modifiableList.add("first three words test 2 xyz last three words");
    modifiableList.add("first three words test 3 xyz last three words");
    modifiableList.add("first three words Test 4 xyz last three words");
    modifiableList.add("different words Test 5 xyz last different words");

    List<String> filteredList =
        new ArrayList<>(modifiableList)
            .stream()
            .filter(StringUtils::isNotEmpty)
            .filter(title -> !TextUtility.isThisUnicode(title, DEVANAGARI))
            .filter(title -> !isStringDuplicateOrSimilar(modifiableList, title))
            .collect(toList());
    Assert.assertEquals(3, filteredList.size());
    Assert.assertArrayEquals(
        filteredList.toArray(),
        new String[] {
          "first threes words test 1 xyz not same words",
          "first three words Test 4 xyz last three words",
          "different words Test 5 xyz last different words"
        });
  }


  private boolean isStringDuplicateOrSimilar(List<String> list, String title) {
    String[] splitStr = title.split(StringUtils.SPACE);
    String titleSubString = extractMiddleText(title);
    System.out.println(titleSubString);
    long count = list.stream().filter(containsSimilarWords(splitStr, titleSubString)).count();
    System.out.println(count);
    return list.removeIf(t -> t.equals(title) && count > 1L);
  }

// проверка, содержит ли заголовок средний текст или первые три слова заголовка или последние три слова заголовка

private static Predicate<String> containsSimilarWords(String[] splitStr, String titleSubString) {
    return title ->
        title.contains(titleSubString)
            || containsFirstThreeWords(title, splitStr)
            || containsLastThreeWords(title, splitStr);
  }

  public static boolean containsFirstThreeWords(String text, String[] words) {
    return words.length > 5
        && text.contains(words[0])
        && text.contains(words[1])
        && text.contains(words[2]);
  }

  public static boolean containsLastThreeWords(String text, String[] words) {
    int length = words.length;
    return words.length > 5
        && text.contains(words[length - 1])
        && text.contains(words[length - 2])
        && text.contains(words[length - 3]);
  }

  public static String extractMiddleText(String text) {
    int mid = text.length() / 2;
    String[] parts = {text.substring(0, mid), text.substring(mid)};
    int indexOfMidOfText2 = (parts[1].length() / 2) + parts[0].length();
    return text.substring(mid / 2, indexOfMidOfText2);
  }

Answer 1

Как только индекс исправлен и используется обновленный пример (текст в вашем коде еще не обновлен), я получил только 2 прохождения, а пример № 6 отклонен. Это произошло потому, что логика для содержит совпадение слова three в примере № 6 с текстом first threes words... в примере № 3. Вы можете проверить это быстро, изменив текст threes на yam.

Если это нежелательно, вы можете использовать регулярные выражения с границей слова или просто разбить их и использовать наборы для поиска подходящих слов.