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，测试使用正常，推荐给大家，如果有什么问题，请留言

similar_text()中文汉字版，代码如下:

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，代码如下:

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

最长公共子序列LCS()，代码如下:

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

Tags: similar_text levenshtein

分享到：