首页 > 代码库 > PHP similar_text()、levenshtein()、lcs()支持中文汉字版

PHP similar_text()、levenshtein()、lcs()支持中文汉字版

PHP 原生的similar_text()函数、levenshtein()函数对中文汉字支持不好,我自己写了一个


similar_text()中文汉字版

 1     <?php   2     //拆分字符串   3     function split_str($str) {   4       preg_match_all("/./u", $str, $arr);   5       return $arr[0];   6     }   7        8     //相似度检测   9     function similar_text_cn($str1, $str2) {  10       $arr_1 = array_unique(split_str($str1));  11       $arr_2 = array_unique(split_str($str2));  12       $similarity = count($arr_2) - count(array_diff($arr_2, $arr_1));  13         14       return $similarity;  15     }  

levenshtein()中文汉字版

 1     <?php   2     //拆分字符串   3     function mbStringToArray($string, $encoding = ‘UTF-8‘) {   4         $arrayResult = array();   5        6         while ($iLen = mb_strlen($string, $encoding)) {   7             array_push($arrayResult, mb_substr($string, 0, 1, $encoding));   8             $string = mb_substr($string, 1, $iLen, $encoding);   9         }  10       11         return $arrayResult;  12     }  13       14     //编辑距离  15     function levenshtein_cn($str1, $str2, $costReplace = 1, $encoding = ‘UTF-8‘) {  16         $count_same_letter = 0;  17         $d = array();  18       19         $mb_len1 = mb_strlen($str1, $encoding);  20         $mb_len2 = mb_strlen($str2, $encoding);  21       22         $mb_str1 = mbStringToArray($str1, $encoding);  23         $mb_str2 = mbStringToArray($str2, $encoding);  24       25         for ($i1 = 0; $i1 <= $mb_len1; $i1++) {  26             $d[$i1] = array();  27             $d[$i1][0] = $i1;  28         }  29       30         for ($i2 = 0; $i2 <= $mb_len2; $i2++) {  31             $d[0][$i2] = $i2;  32         }  33       34         for ($i1 = 1; $i1 <= $mb_len1; $i1++) {  35             for ($i2 = 1; $i2 <= $mb_len2; $i2++) {  36                 // $cost = ($str1[$i1 - 1] == $str2[$i2 - 1]) ? 0 : 1;  37                 if ($mb_str1[$i1 - 1] === $mb_str2[$i2 - 1]) {  38                     $cost = 0;  39                     $count_same_letter++;  40                 } else {  41                     $cost = $costReplace; //替换  42                 }  43       44                 $d[$i1][$i2] = min($d[$i1 - 1][$i2] + 1, //插入  45                 $d[$i1][$i2 - 1] + 1, //删除  46                 $d[$i1 - 1][$i2 - 1] + $cost);  47             }  48         }  49       50         return $d[$mb_len1][$mb_len2];  51         //return array(‘distance‘ => $d[$mb_len1][$mb_len2], ‘count_same_letter‘ => $count_same_letter);  52     }  
 

最长公共子序列LCS()

 1         <?php   2         //最长公共子序列英文版   3         function LCS_en($str_1, $str_2) {   4           $len_1 = strlen($str_1);   5           $len_2 = strlen($str_2);   6           $len = $len_1 > $len_2 ? $len_1 : $len_2;   7            8           $dp = array();   9           for ($i = 0; $i <= $len; $i++) {  10             $dp[$i] = array();  11             $dp[$i][0] = 0;  12             $dp[0][$i] = 0;  13           }  14           15           for ($i = 1; $i <= $len_1; $i++) {  16             for ($j = 1; $j <= $len_2; $j++) {  17               if ($str_1[$i - 1] == $str_2[$j - 1]) {  18                 $dp[$i][$j] = $dp[$i - 1][$j - 1] + 1;  19               } else {  20                 $dp[$i][$j] = $dp[$i - 1][$j] > $dp[$i][$j - 1] ? $dp[$i - 1][$j] : $dp[$i][$j - 1];  21               }  22             }  23           }  24           25           return $dp[$len_1][$len_2];  26         }  27           28         //拆分字符串  29         function mbStringToArray($string, $encoding = ‘UTF-8‘) {  30           $arrayResult = array();  31           32           while ($iLen = mb_strlen($string, $encoding)) {  33             array_push($arrayResult, mb_substr($string, 0, 1, $encoding));  34             $string = mb_substr($string, 1, $iLen, $encoding);  35           }  36           37           return $arrayResult;  38         }  39           40         //最长公共子序列中文版  41         function LCS_cn($str1, $str2, $encoding = ‘UTF-8‘) {  42           $mb_len1 = mb_strlen($str1, $encoding);  43           $mb_len2 = mb_strlen($str2, $encoding);  44           45           $mb_str1 = mbStringToArray($str1, $encoding);  46           $mb_str2 = mbStringToArray($str2, $encoding);  47           48           $len = $mb_len1 > $mb_len2 ? $mb_len1 : $mb_len2;  49           50           $dp = array();  51           for ($i = 0; $i <= $len; $i++) {  52             $dp[$i] = array();  53             $dp[$i][0] = 0;  54             $dp[0][$i] = 0;  55           }  56           57           for ($i = 1; $i <= $mb_len1; $i++) {  58             for ($j = 1; $j <= $mb_len2; $j++) {  59               if ($mb_str1[$i - 1] == $mb_str2[$j - 1]) {  60                 $dp[$i][$j] = $dp[$i - 1][$j - 1] + 1;  61               } else {  62                 $dp[$i][$j] = $dp[$i - 1][$j] > $dp[$i][$j - 1] ? $dp[$i - 1][$j] : $dp[$i][$j - 1];  63               }  64             }  65           }  66           67           return $dp[$mb_len1][$mb_len2];  68         } 

 

 

PHP similar_text()、levenshtein()、lcs()支持中文汉字版