快捷導(dǎo)航

PHP中計(jì)算字符串相似度的函數(shù)代碼

更新時(shí)間：2012年12月29日 09:36:26 投稿：mdxy-dxy

在php計(jì)算字符串相似度similar_text與相似度levenshtein函數(shù)的詳細(xì)介紹，下面我們?cè)敿?xì)的介紹一下關(guān)于字符串相似度介紹

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 insert、replace、delete 參數(shù)，來(lái)定義每個(gè)操作的代價(jià)。

語(yǔ)法：

levenshtein(string1,string2,insert,replace,delete)

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。
•insert 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。
•delete 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 "<br />"; 

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：

<?php 
class LCS {
  var $str1;
  var $str2;
  var $c = array();
  /*返回串一和串二的最長(zhǎng)公共子序列
*/
  function getLCS($str1, $str2, $len1 = 0, $len2 = 0) {
    $this->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。

您可能感興趣的文章: