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。