PHP 原生的similar_text()函數、levenshtein()函數對中文漢字支持不好，我自己寫了一個
similar_text()中文漢字版
1 <?php
2 //拆分字符串
3 function split_str($str) {
4 preg_match_all("/./u", $str, $arr);
5 return $arr[0];
6 }
7
8 //相似度檢測
9 function similar_text_cn($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 $similarity;
15 }
levenshtein()中文漢字版
1 <?php
2 //拆分字符串
3 function mbStringToArray($string, $encoding = 'UTF-8') {
4 $arrayResult = array();
5
6 while ($iLen = mb_strlen($string, $encoding)) {
7 array_push($arrayResult, mb_substr($string, 0, 1, $encoding));
8 $string = mb_substr($string, 1, $iLen, $encoding);
9 }
10
11 return $arrayResult;
12 }
13
14 //編輯距離
15 function levenshtein_cn($str1, $str2, $costReplace = 1, $encoding = 'UTF-8') {
16 $count_same_letter = 0;
17 $d = array();
18
19 $mb_len1 = mb_strlen($str1, $encoding);
20 $mb_len2 = mb_strlen($str2, $encoding);
21
22 $mb_str1 = mbStringToArray($str1, $encoding);
23 $mb_str2 = mbStringToArray($str2, $encoding);
24
25 for ($i1 = 0; $i1 <= $mb_len1; $i1++) {
26 $d[$i1] = array();
27 $d[$i1][0] = $i1;
28 }
29
30 for ($i2 = 0; $i2 <= $mb_len2; $i2++) {
31 $d[0][$i2] = $i2;
32 }
33
34 for ($i1 = 1; $i1 <= $mb_len1; $i1++) {
35 for ($i2 = 1; $i2 <= $mb_len2; $i2++) {
36 // $cost = ($str1[$i1 - 1] == $str2[$i2 - 1]) ? 0 : 1;
37 if ($mb_str1[$i1 - 1] === $mb_str2[$i2 - 1]) {
38 $cost = 0;
39 $count_same_letter++;
40 } else {
41 $cost = $costReplace; //替換
42 }
43
44 $d[$i1][$i2] = min($d[$i1 - 1][$i2] + 1, //插入
45 $d[$i1][$i2 - 1] + 1, //刪除
46 $d[$i1 - 1][$i2 - 1] + $cost);
47 }
48 }
49
50 return $d[$mb_len1][$mb_len2];
51 //return array('distance' => $d[$mb_len1][$mb_len2], 'count_same_letter' => $count_same_letter);
52 }
最長公共子序列LCS()
1 <?php
2 //最長公共子序列英文版
3 function LCS_en($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
8 $dp = array();
9 for ($i = 0; $i <= $len; $i++) {
10 $dp[$i] = array();
11 $dp[$i][0] = 0;
12 $dp[0][$i] = 0;
13 }
14
15 for ($i = 1; $i <= $len_1; $i++) {
16 for ($j = 1; $j <= $len_2; $j++) {
17 if ($str_1[$i - 1] == $str_2[$j - 1]) {
18 $dp[$i][$j] = $dp[$i - 1][$j - 1] + 1;
19 } else {
20 $dp[$i][$j] = $dp[$i - 1][$j] > $dp[$i][$j - 1] ? $dp[$i - 1][$j] : $dp[$i][$j - 1];
21 }
22 }
23 }
24
25 return $dp[$len_1][$len_2];
26 }
27
28 //拆分字符串
29 function mbStringToArray($string, $encoding = 'UTF-8') {
30 $arrayResult = array();
31
32 while ($iLen = mb_strlen($string, $encoding)) {
33 array_push($arrayResult, mb_substr($string, 0, 1, $encoding));
34 $string = mb_substr($string, 1, $iLen, $encoding);
35 }
36
37 return $arrayResult;
38 }
39
40 //最長公共子序列中文版
41 function LCS_cn($str1, $str2, $encoding = 'UTF-8') {
42 $mb_len1 = mb_strlen($str1, $encoding);
43 $mb_len2 = mb_strlen($str2, $encoding);
44
45 $mb_str1 = mbStringToArray($str1, $encoding);
46 $mb_str2 = mbStringToArray($str2, $encoding);
47
48 $len = $mb_len1 > $mb_len2 ? $mb_len1 : $mb_len2;
49
50 $dp = array();
51 for ($i = 0; $i <= $len; $i++) {
52 $dp[$i] = array();
53 $dp[$i][0] = 0;
54 $dp[0][$i] = 0;
55 }
56
57 for ($i = 1; $i <= $mb_len1; $i++) {
58 for ($j = 1; $j <= $mb_len2; $j++) {
59 if ($mb_str1[$i - 1] == $mb_str2[$j - 1]) {
60 $dp[$i][$j] = $dp[$i - 1][$j - 1] + 1;
61 } else {
62 $dp[$i][$j] = $dp[$i - 1][$j] > $dp[$i][$j - 1] ? $dp[$i - 1][$j] : $dp[$i][$j - 1];
63 }
64 }
65 }
66
67 return $dp[$mb_len1][$mb_len2];
68 }
