程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
 程式師世界 >> 編程語言 >> 網頁編程 >> PHP編程 >> PHP綜合 >> PHP中計算字符串相似度的函數代碼

PHP中計算字符串相似度的函數代碼

編輯:PHP綜合

similar_text — 計算兩個字符串的相似度
int similar_text ( string $first , string $second [, float &$percent ] )
$first 必需。規定要比較的第一個字符串。
$second 必需。規定要比較的第二個字符串。
$percent 可選。規定供存儲百分比相似度的變量名。

兩個字符串的相似程度計算依據 Oliver [1993] 的描述進行。注意該實現沒有使用 Oliver 虛擬碼中的堆棧,但是卻進行了遞歸調用,這個做法可能會導致整個過程變慢或變快。也請注意,該算法的復雜度是 O(N**3),N 是最長字符串的長度。

比如我們想找字符串abcdefg和字符串aeg的相似度:

復制代碼 代碼如下:
$first = "abcdefg";
$second = "aeg";
echo similar_text($first, $second);結果輸出3.如果想以百分比顯示,則可使用它的第三個參數,如下:
$first = "abcdefg";
$second = "aeg";
similar_text($first, $second, $percent);
echo $percent;


similar_text函數的使用及實現過程。similar_text() 函數主要是用來計算兩個字符串的匹配字符的數目,也可以計算兩個字符串的相似度(以百分比計)。與 similar_text() 函數相比,我們今天要介紹的 levenshtein() 函數更快。不過,similar_text() 函數能通過更少的必需修改次數提供更精確的結果。在追求速度而少精確度,並且字符串長度有限時可以考慮使用 levenshtein() 函數。

使用說明

先看手冊上 levenshtein() 函數的說明:

levenshtein() 函數返回兩個字符串之間的 Levenshtein 距離。

Levenshtein 距離,又稱編輯距離,指的是兩個字符串之間,由一個轉換成另一個所需的最少編輯操作次數。許可的編輯操作包括將一個字符替換成另一個字符,插入一個字符,刪除一個字符。

例如把 kitten 轉換為 sitting:

sitten (k→s)
sittin (e→i)
sitting (→g)levenshtein() 函數給每個操作(替換、插入和刪除)相同的權重。不過,您可以通過設置可選的 insert、replace、delete 參數,來定義每個操作的代價。

語法:

levenshtein(string1,string2,insert,replace,delete)

參數 描述

•string1 必需。要對比的第一個字符串。
•string2 必需。要對比的第二個字符串。
•insert 可選。插入一個字符的代價。默認是 1。
•replace 可選。替換一個字符的代價。默認是 1。
•delete 可選。刪除一個字符的代價。默認是 1。
提示和注釋

•如果其中一個字符串超過 255 個字符,levenshtein() 函數返回 -1。
•levenshtein() 函數對大小寫不敏感。
•levenshtein() 函數比 similar_text() 函數更快。不過,similar_text() 函數提供需要更少修改的更精確的結果。
例子

復制代碼 代碼如下:
<?php
echo levenshtein("Hello World","ello World");
echo "<br />";
echo levenshtein("Hello World","ello World",10,20,30);
?>

輸出: 1 30

以下是補充:

php默認有個函數similar_text()用於計算字符串之間的相似度,該函數也可以計算兩個字符串的相似度(以百分比計)。不過這個函數感覺對中文計算很不准確比如:

復制代碼 代碼如下:
echo similar_text("吉林禽業公司火災已致112人遇難","吉林寶源豐禽業公司火災已致112人遇難");

這兩個新聞標題其實都是一樣的,如果使用similar_text()相似對結果為:42,即只相似42%,所以這個感覺很不靠譜,今天剛好收集到一段PHP代碼也是用於比較兩個字符串的相似度,直接貼出代碼:

<?php 
class LCS {
  var $str1;
  var $str2;
  var $c = array();
  /*返回串一和串二的最長公共子序列
*/
  function getLCS($str1, $str2, $len1 = 0, $len2 = 0) {
    $this->str1 = $str1;
    $this->str2 = $str2;
    if ($len1 == 0) $len1 = strlen($str1);
    if ($len2 == 0) $len2 = strlen($str2);
    $this->initC($len1, $len2);
    return $this->printLCS($this->c, $len1 - 1, $len2 - 1);
  }
  /*返回兩個串的相似度
*/
  function getSimilar($str1, $str2) {
    $len1 = strlen($str1);
    $len2 = strlen($str2);
    $len = strlen($this->getLCS($str1, $str2, $len1, $len2));
    return $len * 2 / ($len1 + $len2);
  }
  function initC($len1, $len2) {
    for ($i = 0; $i < $len1; $i++) $this->c[$i][0] = 0;
    for ($j = 0; $j < $len2; $j++) $this->c[0][$j] = 0;
    for ($i = 1; $i < $len1; $i++) {
      for ($j = 1; $j < $len2; $j++) {
        if ($this->str1[$i] == $this->str2[$j]) {
          $this->c[$i][$j] = $this->c[$i - 1][$j - 1] + 1;
        } else if ($this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) {
          $this->c[$i][$j] = $this->c[$i - 1][$j];
        } else {
          $this->c[$i][$j] = $this->c[$i][$j - 1];
        }
      }
    }
  }
  function printLCS($c, $i, $j) {
    if ($i == 0 || $j == 0) {
      if ($this->str1[$i] == $this->str2[$j]) return $this->str2[$j];
      else return "";
    }
    if ($this->str1[$i] == $this->str2[$j]) {
      return $this->printLCS($this->c, $i - 1, $j - 1).$this->str2[$j];
    } else if ($this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) {
      return $this->printLCS($this->c, $i - 1, $j);
    } else {
      return $this->printLCS($this->c, $i, $j - 1);
    }
  }
} 

$lcs = new LCS();
//返回最長公共子序列
$lcs->getLCS("hello word","hello china");
//返回相似度
echo $lcs->getSimilar("吉林禽業公司火災已致112人遇難","吉林寶源豐禽業公司火災已致112人遇難");

同樣輸出結果為:0.90322580645161,明顯准確的多。

  1. 上一頁:
  2. 下一頁:
Copyright © 程式師世界 All Rights Reserved