PHP中計算字符串相似度函數(shù)代碼
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(guī)定要比較的第一個字符串。
$second 必需。規(guī)定要比較的第二個字符串。
$percent 可選。規(guī)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(jù) Oliver [1993] 的描述進行。注意該實現(xiàn)沒有使用 Oliver 虛擬碼中的'堆棧，但是卻進行了遞歸調(diào)用，這個做法可能會導(dǎo)致整個過程變慢或變快。也請注意，該算法的復(fù)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a(chǎn)bcdefg和字符串a(chǎn)eg的相似度：
復(fù)制代碼 代碼如下:
$first = "abcdefg";
$second = "aeg";
echo similar_text($first, $second);結(jié)果輸出3.如果想以百分比顯示，則可使用它的第三個參數(shù),如下：
$first = "abcdefg";
$second = "aeg";
similar_text($first, $second, $percent);
echo $percent;
similar_text函數(shù)的使用及實現(xiàn)過程。similar_text() 函數(shù)主要是用來計算兩個字符串的匹配字符的數(shù)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(shù)相比，我們今天要介紹的 levenshtein() 函數(shù)更快。不過，similar_text() 函數(shù)能通過更少的必需修改次數(shù)提供更精確的結(jié)果。在追求速度而少精確度，并且字符串長度有限時可以考慮使用 levenshtein() 函數(shù)。
使用說明
先看手冊上 levenshtein() 函數(shù)的說明：
levenshtein() 函數(shù)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(zhuǎn)換成另一個所需的最少編輯操作次數(shù)。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(zhuǎn)換為 sitting：
sitten （k→s）
sittin （e→i）
sitting （→g）levenshtein() 函數(shù)給每個操作（替換、插入和刪除）相同的權(quán)重。不過，您可以通過設(shè)置可選的 、replace、 參數(shù)，來定義每個操作的代價。
語法：
levenshtein(string1,string2,,replace,)
參數(shù) 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。
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。
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(shù)返回 -1。
levenshtein() 函數(shù)對大小寫不敏感。
levenshtein() 函數(shù)比 similar_text() 函數(shù)更快。不過，similar_text() 函數(shù)提供需要更少修改的更精確的結(jié)果。
例子
復(fù)制代碼 代碼如下:
<?php
echo levenshtein("Hello World","ello World");
echo "
";
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(shù)similar_text()用于計算字符串之間的相似度，該函數(shù)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(shù)感覺對中文計算很不準(zhǔn)確比如：
復(fù)制代碼 代碼如下:
echo similar_text("吉林禽業(yè)公司火災(zāi)已致112人遇難","吉林寶源豐禽業(yè)公司火災(zāi)已致112人遇難");
這兩個新聞標(biāo)題其實都是一樣的，如果使用similar_text()相似對結(jié)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代碼也是用于比較兩個字符串的相似度，直接貼出代碼：
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(yè)公司火災(zāi)已致112人遇難","吉林寶源豐禽業(yè)公司火災(zāi)已致112人遇難");
同樣輸出結(jié)果為：0.90322580645161，明顯準(zhǔn)確的多。