1. 云栖社区>
  2. PHP教程>
  3. 正文

PHP改进计算字符串相似度的函数similar_text()、levenshtein()

作者:用户 来源:互联网 时间:2017-12-01 18:26:37

字符串

PHP改进计算字符串相似度的函数similar_text()、levenshtein() - 摘要: 本文讲的是PHP改进计算字符串相似度的函数similar_text()、levenshtein(), similar_text()中文汉字版<?php //拆分字符串 function split_str($str) { preg_match_all("/./u", $str, $arr); return $

similar_text()中文汉字版

<?php       //拆分字符串       function split_str($str) { preg_match_all("/./u", $str, $arr); return $arr[0];       }      //相似度检测       function similar_text_cn($str1, $str2) { $arr_1 = array_unique(split_str($str1)); $arr_2 = array_unique(split_str($str2)); $similarity = count($arr_2) - count(array_diff($arr_2, $arr_1));  return $similarity;       }

levenshtein()中文汉字版


<?php       //拆分字符串       function mbStringToArray($string, $encoding = 'UTF-8') {   $arrayResult = array();   while ($iLen = mb_strlen($string, $encoding)) {       array_push($arrayResult, mb_substr($string, 0, 1, $encoding));       $string = mb_substr($string, 1, $iLen, $encoding);   }   return $arrayResult;       }       //编辑距离       function levenshtein_cn($str1, $str2, $costReplace = 1, $encoding = 'UTF-8') {   $count_same_letter = 0;   $d = array();   $mb_len1 = mb_strlen($str1, $encoding);   $mb_len2 = mb_strlen($str2, $encoding);   $mb_str1 = mbStringToArray($str1, $encoding);   $mb_str2 = mbStringToArray($str2, $encoding);   for ($i1 = 0; $i1 <= $mb_len1; $i1++) {       $d[$i1] = array();       $d[$i1][0] = $i1;   }   for ($i2 = 0; $i2 <= $mb_len2; $i2++) {       $d[0][$i2] = $i2;   }   for ($i1 = 1; $i1 <= $mb_len1; $i1++) {       for ($i2 = 1; $i2 <= $mb_len2; $i2++) {   // $cost = ($str1[$i1 - 1] == $str2[$i2 - 1]) ? 0 : 1;   if ($mb_str1[$i1 - 1] === $mb_str2[$i2 - 1]) {       $cost = 0;       $count_same_letter++;   } else {       $cost = $costReplace; //替换   }   $d[$i1][$i2] = min($d[$i1 - 1][$i2] + 1, //插入   $d[$i1][$i2 - 1] + 1, //删除   $d[$i1 - 1][$i2 - 1] + $cost);       }   }   return $d[$mb_len1][$mb_len2];   //return array('distance' => $d[$mb_len1][$mb_len2], 'count_same_letter' => $count_same_letter);       }




最长公共子序列LCS()




<?php   //最长公共子序列英文版   function LCS_en($str_1, $str_2) {     $len_1 = strlen($str_1);     $len_2 = strlen($str_2);     $len = $len_1 > $len_2 ? $len_1 : $len_2;     $dp = array();     for ($i = 0; $i <= $len; $i++) {       $dp[$i] = array();       $dp[$i][0] = 0;       $dp[0][$i] = 0;     }     for ($i = 1; $i <= $len_1; $i++) {       for ($j = 1; $j <= $len_2; $j++) { if ($str_1[$i - 1] == $str_2[$j - 1]) {   $dp[$i][$j] = $dp[$i - 1][$j - 1] + 1; } else {   $dp[$i][$j] = $dp[$i - 1][$j] > $dp[$i][$j - 1] ? $dp[$i - 1][$j] : $dp[$i][$j - 1]; }       }     }     return $dp[$len_1][$len_2];   }   //拆分字符串   function mbStringToArray($string, $encoding = 'UTF-8') {     $arrayResult = array();     while ($iLen = mb_strlen($string, $encoding)) {       array_push($arrayResult, mb_substr($string, 0, 1, $encoding));       $string = mb_substr($string, 1, $iLen, $encoding);     }     return $arrayResult;   }   //最长公共子序列中文版   function LCS_cn($str1, $str2, $encoding = 'UTF-8') {     $mb_len1 = mb_strlen($str1, $encoding);     $mb_len2 = mb_strlen($str2, $encoding);     $mb_str1 = mbStringToArray($str1, $encoding);     $mb_str2 = mbStringToArray($str2, $encoding);     $len = $mb_len1 > $mb_len2 ? $mb_len1 : $mb_len2;     $dp = array();     for ($i = 0; $i <= $len; $i++) {       $dp[$i] = array();       $dp[$i][0] = 0;       $dp[0][$i] = 0;     }     for ($i = 1; $i <= $mb_len1; $i++) {       for ($j = 1; $j <= $mb_len2; $j++) { if ($mb_str1[$i - 1] == $mb_str2[$j - 1]) {   $dp[$i][$j] = $dp[$i - 1][$j - 1] + 1; } else {   $dp[$i][$j] = $dp[$i - 1][$j] > $dp[$i][$j - 1] ? $dp[$i - 1][$j] : $dp[$i][$j - 1]; }       }     }     return $dp[$mb_len1][$mb_len2];   }

以上是云栖社区小编为您精心准备的的内容,在云栖社区的博客、问答、公众号、人物、课程等栏目也有的相关内容,欢迎继续使用右上角搜索按钮进行搜索字符串 ,以便于您获取更多的相关知识。

弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率

40+云计算产品,6个月免费体验

稳定可靠、可弹性伸缩的在线数据库服务,全球最受欢迎的开源数据库之一

云服务器9.9元/月,大学必备