PHP中計算字符串類似度的函數代碼

similar_text — 計算兩個字符串的類似度 
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。規定供存儲百分比類似度的變量名。 

兩個字符串的類似程度計算依據 Oliver [1993] 的描述進行。注意該實現沒有使用 Oliver 虛擬碼中的堆棧，可是卻進行了遞歸調用，這個作法可能會致使整個過程變慢或變快。也請注意，該算法的複雜度是 O(N**3)，N 是最長字符串的長度。

好比咱們想找字符串abcdefg和字符串aeg的類似度：

$first = "abcdefg"; 
$second = "aeg"; 
echo similar_text($first, $second);結果輸出3.若是想以百分比顯示，則可以使用它的第三個參數,以下： 
$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，也能夠計算兩個字符串的類似度（以百分比計）。與 similar_text() 函數相比，咱們今天要介紹的 levenshtein() 函數更快。不過，similar_text() 函數能經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，而且字符串長度有限時能夠考慮使用 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，由一個轉換成另外一個所需的最少編輯操做次數。許可的編輯操做包括將一個字符替換成另外一個字符，插入一個字符，刪除一個字符。 

例如把 kitten 轉換爲 sitting： 

sitten （k→s） 
sittin （e→i） 
sitting （→g）levenshtein() 函數給每一個操做（替換、插入和刪除）相同的權重。不過，您能夠經過設置可選的 insert、replace、delete 參數，來定義每一個操做的代價。 

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。 
提示和註釋 

•若是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() 函數提供須要更少修改的更精確的結果。 
例子

<?php 
echo levenshtein("Hello World","ello World"); 
echo "<br />"; 
echo levenshtein("Hello World","ello World",10,20,30); 
?> 

輸出： 1 30

如下是補充：

php默認有個函數similar_text()用於計算字符串之間的類似度，該函數也能夠計算兩個字符串的類似度（以百分比計）。不過這個函數感受對中文計算很不許確好比：

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同樣的，若是使用similar_text()類似對結果爲：42，即只類似42%，因此這個感受很不靠譜，今天恰好收集到一段PHP代碼也是用於比較兩個字符串的類似度，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, $len2 - 1);
  }
  /*返回兩個串的類似度
*/
  function getSimilar($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");
//返回類似度
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");

一樣輸出結果爲：0.90322580645161，明顯準確的多。