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
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。