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

similar_text()中文汉字版

代码如下:

          //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
 

代码如下:

          // 分割字符串
     函数 mbStringToArray($string, $encoding = 'UTF-8') { 
         $arrayResult = 数组(); 
         while ($iLen = mb_strlen($string, $encoding)) { 
             array_push($arrayResult, mb_substr($string, 0, 1, $encoding)); 
             $string = mb_substr($string, 1, $iLen, $encoding); 
         } 
         返回$arrayResult； 
     } 
     //编辑距离
     函数levenshtein_cn($str1, $str2, $costReplace = 1, $encoding = 'UTF-8') { 
         $count_same_letter = 0; 
         $d = 数组(); 
         $mb_len1 = mb_strlen($str1, $encoding); 
         $mb_len2 = mb_strlen($str2, $encoding); 
         $mb_str1 = mbStringToArray($str1, $encoding); 
         $mb_str2 = mbStringToArray($str2, $encoding); 
         for ($i1 = 0; $i1              $d[$i1] = 数组(); 
             $d[$i1][0] = $i1; 
         } 
         for ($i2 = 0; $i2              $d[0][$i2] = $i2; 
         } 
         for ($i1 = 1; $i1              for ($i2 = 1; $i2                  // $cost = ($str1[$i1 - 1] == $str2[$i2 - 1]) ? 0：1； 
                 if ($mb_str1[$i1 - 1] === $mb_str2[$i2 - 1]) { 
                     $成本= 0； 
                     $count_same_letter ; 
                 } 其他 { 
                     $成本=$成本替换； // 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] $cost); 
             } 
         } 
         返回$d[$mb_len1][$mb_len2]; 
         //返回数组('distance' => $d[$mb_len1][$mb_len2], 'count_same_letter' => $count_same_letter); 
     }  

 
最后一个子公共序列LCS()
 

代码如下：

                  // 最后子公共序列英文版
         函数 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; 
           $dp = 数组(); 
           for ($i = 0; $i              $dp[$i] = 数组(); 
             $dp[$i][0] = 0; 
             $dp[0][$i] = 0; 
           } 
           for ($i = 1; $i              for ($j = 1; $j                if ($str_1[$i - 1] == $str_2[$j - 1]) { 
                 $dp[$i][$j] = $dp[$i - 1][$j - 1] 1; 
               } 其他 { 
                 $dp[$i][$j] = $dp[$i - 1][$j] > $dp[$i][$j - 1] ？ $dp[$i - 1][$j] : $dp[$i][$j - 1]; 
               } 
             } 
           } 
           返回$dp[$len_1][$len_2]； 
         } 
         // 分割字符串
         函数 mbStringToArray($string, $encoding = 'UTF-8') { 
           $arrayResult = 数组(); 
           while ($iLen = mb_strlen($string, $encoding)) { 
             array_push($arrayResult, mb_substr($string, 0, 1, $encoding)); 
             $string = mb_substr($string, 1, $iLen, $encoding); 
           } 
           返回$arrayResult； 
         } 
         // 最后子公共序列中文版
         函数 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; 
           $dp = 数组(); 
           for ($i = 0; $i              $dp[$i] = 数组(); 
             $dp[$i][0] = 0; 
             $dp[0][$i] = 0; 
           } 
           for ($i = 1; $i              for ($j = 1; $j                if ($mb_str1[$i - 1] == $mb_str2[$j - 1]) { 
                 $dp[$i][$j] = $dp[$i - 1][$j - 1] 1; 
               } 其他 { 
                 $dp[$i][$j] = $dp[$i - 1][$j] > $dp[$i][$j - 1] ？ $dp[$i - 1][$j] : $dp[$i][$j - 1]; 
               } 
             } 
           } 
           返回$dp[$mb_len1][$mb_len2]; 
         }