PHP中計(jì)算字符串相似度函數(shù)代碼

　　similar_text — 計(jì)算兩個(gè)字符串的相似度

　　int similar_text ( string $first , string $second [, float &$percent ] )

　　$first 必需。規(guī)定要比較的第一個(gè)字符串。

　　$second 必需。規(guī)定要比較的第二個(gè)字符串。

　　$percent 可選。規(guī)定供存儲(chǔ)百分比相似度的變量名。

　　兩個(gè)字符串的相似程度計(jì)算依據(jù) Oliver [1993] 的描述進(jìn)行。注意該實(shí)現(xiàn)沒(méi)有使用 Oliver 虛擬碼中的'堆棧，但是卻進(jìn)行了遞歸調(diào)用，這個(gè)做法可能會(huì)導(dǎo)致整個(gè)過(guò)程變慢或變快。也請(qǐng)注意，該算法的復(fù)雜度是 O(N**3)，N 是最長(zhǎng)字符串的長(zhǎng)度。

　　比如我們想找字符串a(chǎn)bcdefg和字符串a(chǎn)eg的相似度：

　　復(fù)制代碼 代碼如下:

　　$first = "abcdefg";

　　$second = "aeg";

　　echo similar_text($first, $second);結(jié)果輸出3.如果想以百分比顯示，則可使用它的第三個(gè)參數(shù),如下：

　　$first = "abcdefg";

　　$second = "aeg";

　　similar_text($first, $second, $percent);

　　echo $percent;

　　similar_text函數(shù)的使用及實(shí)現(xiàn)過(guò)程。similar_text() 函數(shù)主要是用來(lái)計(jì)算兩個(gè)字符串的匹配字符的數(shù)目，也可以計(jì)算兩個(gè)字符串的相似度（以百分比計(jì)）。與 similar_text() 函數(shù)相比，我們今天要介紹的 levenshtein() 函數(shù)更快。不過(guò)，similar_text() 函數(shù)能通過(guò)更少的必需修改次數(shù)提供更精確的結(jié)果。在追求速度而少精確度，并且字符串長(zhǎng)度有限時(shí)可以考慮使用 levenshtein() 函數(shù)。

　　使用說(shuō)明

　　先看手冊(cè)上 levenshtein() 函數(shù)的說(shuō)明：

　　levenshtein() 函數(shù)返回兩個(gè)字符串之間的 Levenshtein 距離。

　　Levenshtein 距離，又稱(chēng)編輯距離，指的是兩個(gè)字符串之間，由一個(gè)轉(zhuǎn)換成另一個(gè)所需的最少編輯操作次數(shù)。許可的編輯操作包括將一個(gè)字符替換成另一個(gè)字符，插入一個(gè)字符，刪除一個(gè)字符。

　　例如把 kitten 轉(zhuǎn)換為 sitting：

　　sitten （k→s）

　　sittin （e→i）

　　sitting （→g）levenshtein() 函數(shù)給每個(gè)操作（替換、插入和刪除）相同的權(quán)重。不過(guò)，您可以通過(guò)設(shè)置可選的 、replace、 參數(shù)，來(lái)定義每個(gè)操作的代價(jià)。

　　語(yǔ)法：

　　levenshtein(string1,string2,,replace,)

　　參數(shù) 描述

　　string1 必需。要對(duì)比的第一個(gè)字符串。

　　string2 必需。要對(duì)比的第二個(gè)字符串。

　　 可選。插入一個(gè)字符的代價(jià)。默認(rèn)是 1。

　　replace 可選。替換一個(gè)字符的代價(jià)。默認(rèn)是 1。

　　 可選。刪除一個(gè)字符的代價(jià)。默認(rèn)是 1。

　　提示和注釋

　　如果其中一個(gè)字符串超過(guò) 255 個(gè)字符，levenshtein() 函數(shù)返回 -1。

　　levenshtein() 函數(shù)對(duì)大小寫(xiě)不敏感。

　　levenshtein() 函數(shù)比 similar_text() 函數(shù)更快。不過(guò)，similar_text() 函數(shù)提供需要更少修改的更精確的結(jié)果。

　　例子

　　復(fù)制代碼 代碼如下:

　　<?php

　　echo levenshtein("Hello World","ello World");

　　echo "
";

　　echo levenshtein("Hello World","ello World",10,20,30);

　　?>

　　輸出： 1 30

　　以下是補(bǔ)充：

　　php默認(rèn)有個(gè)函數(shù)similar_text()用于計(jì)算字符串之間的相似度，該函數(shù)也可以計(jì)算兩個(gè)字符串的相似度（以百分比計(jì)）。不過(guò)這個(gè)函數(shù)感覺(jué)對(duì)中文計(jì)算很不準(zhǔn)確比如：

　　復(fù)制代碼 代碼如下:

　　echo similar_text("吉林禽業(yè)公司火災(zāi)已致112人遇難","吉林寶源豐禽業(yè)公司火災(zāi)已致112人遇難");

　　這兩個(gè)新聞標(biāo)題其實(shí)都是一樣的，如果使用similar_text()相似對(duì)結(jié)果為：42，即只相似42%，所以這個(gè)感覺(jué)很不靠譜，今天剛好收集到一段PHP代碼也是用于比較兩個(gè)字符串的相似度，直接貼出代碼：

　　str1 = $str1; $this->str2 = $str2; if ($len1 == 0) $len1 = strlen($str1); if ($len2 == 0) $len2 = strlen($str2); $this->initC($len1, $len2); return $this->printLCS($this->c, $len1 - 1, $len2 - 1); } /*返回兩個(gè)串的相似度*/ function getSimilar($str1, $str2) { $len1 = strlen($str1); $len2 = strlen($str2); $len = strlen($this->getLCS($str1, $str2, $len1, $len2)); return $len * 2 / ($len1 + $len2); } function initC($len1, $len2) { for ($i = 0; $i < $len1; $i++) $this->c[$i][0] = 0; for ($j = 0; $j < $len2; $j++) $this->c[0][$j] = 0; for ($i = 1; $i < $len1; $i++) { for ($j = 1; $j < $len2; $j++) { if ($this->str1[$i] == $this->str2[$j]) { $this->c[$i][$j] = $this->c[$i - 1][$j - 1] + 1; } else if ($this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) { $this->c[$i][$j] = $this->c[$i - 1][$j]; } else { $this->c[$i][$j] = $this->c[$i][$j - 1]; } } } } function printLCS($c, $i, $j) { if ($i == 0 || $j == 0) { if ($this->str1[$i] == $this->str2[$j]) return $this->str2[$j]; else return ""; } if ($this->str1[$i] == $this->str2[$j]) { return $this->printLCS($this->c, $i - 1, $j - 1).$this->str2[$j]; } else if ($this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) { return $this->printLCS($this->c, $i - 1, $j); } else { return $this->printLCS($this->c, $i, $j - 1); } }} $lcs = new LCS();//返回最長(zhǎng)公共子序列$lcs->getLCS("hello word","hello china");//返回相似度echo $lcs->getSimilar("吉林禽業(yè)公司火災(zāi)已致112人遇難","吉林寶源豐禽業(yè)公司火災(zāi)已致112人遇難");

　　同樣輸出結(jié)果為：0.90322580645161，明顯準(zhǔn)確的多。