similar_text 不适合中文模糊去重，因其按字节而非字符计算，导致结果偏高或不准；仅适用于短英文、ascii 字符串比对，且需预处理、注意参数顺序与性能瓶颈。
别直接用 similar_text 做中文模糊去重，它对 UTF-8 多字节字符（比如中文）按字节算，不是按字符算，结果会偏高或不准。
为什么 similar_text 对中文返回值怪怪的
这个函数底层不识别 Unicode 字符边界，而是把字符串当字节数组处理。例如 '王业楼' 在 UTF-8 下占 9 个字节，'王业楼的个人博客' 占 27 个字节，similar_text 算出匹配 9 个“字节”，再套公式 (9 × 2) / (9 + 27) × 100 ≈ 50%，看起来像“一半字符相同”，其实只是前三个汉字的字节刚好对齐了。
- 中文、emoji、带重音符号的字母都会被拆成多个字节，导致匹配长度虚高
- 即使两个中文字符串完全一样，只要编码或 BOM 不一致，也可能算出
0 - 函数内部递归查找最长公共子串，但子串必须连续且字节对齐，对语义相似无感知
similar_text 的正确使用场景
它只适合短英文、纯 ASCII、格式高度一致的字符串比对，比如：用户输入的邮箱前缀、代码标识符、日志关键词片段。
- 输入
similar_text('user_login', 'user_logout')返回9（匹配user_logi连续 9 字节），合理 - 输入
similar_text('abc123', 'abc456')返回3（abc），可接受 - 不要传入超过 2000 字符的文本——算法复杂度是
O(N³)，长字符串会让 PHP 超时或爆栈 - 调用前务必用
trim()和mb_strtolower()（注意：后者需确认编码）预处理，否则大小写和空格会大幅拉低结果
参数顺序会影响结果，别想当然
similar_text 不是对称函数。交换两个参数，返回值很可能不同——这不是 bug，是算法设计如此。
-
similar_text('bafoobar', 'barfoo')返回5，而反过来是3 - 这意味着你不能靠单次调用判断“是否相似”，得固定主参考串（比如数据库里已存的标准名），始终让待查串做第二个参数
- 如果要做双向比对（比如合并重复项），必须显式比较两次：
max(similar_text($a, $b), similar_text($b, $a)) - 百分比参数
$percent是引用传参，变量必须先声明，否则会报 Notice
更稳的替代方案建议
真要处理中文或需要语义级相似，别硬扛 similar_text。PHP 原生有更合适的选择：
- 用
levenshtein()：编辑距离明确，对中文需先转数组（preg_match_all('/./u', $str, $m)），再传给自定义实现 - 用
soundex()或metaphone()：适合拼音近似（如“张”和“章”），但对同音不同调的中文区分力弱 - 简单去重逻辑，优先用精确匹配 +
mb_stripos()包含判断，比模糊相似更可靠 - 若必须用相似度，阈值别设死 85%，先用真实数据样本跑一遍，观察分布再定（常见有效区间是 60–75%）
最常被忽略的一点：这个函数没有缓存机制，两两比对 N 个字符串会产生 N² 次调用，一旦 N > 100，性能就崩了——得提前剪枝，比如先用长度差过滤掉明显不相关的对。
php免费学习视频：立即使用
踏上前端学习之旅，开启通往精通之路！从前端基础到项目实战，循序渐进，一步一个脚印，迈向巅峰！
