(PHP 4, PHP 5, PHP 7, PHP 8)
similar_text — 計算兩個字串的相似度
此函式會計算兩個字串之間的相似度，如同 Oliver 在「Programming Classics: Implementing the World's Best Algorithms」一書中所描述（ISBN 0-131-00413-1）。請注意，此實作方式並未使用 Oliver 虛擬碼中的堆疊，而是使用遞迴呼叫，這可能會或可能不會加速整個過程。另請注意，此演算法的複雜度為 O(N**3)，其中 N 是最長字串的長度。
string1第一個字串。
string2第二個字串。
注意:
交換
string1和string2可能會產生不同的結果；請參閱以下範例。
percent透過傳遞參考作為第三個引數，similar_text() 會計算百分比的相似度，方法是將 similar_text() 的結果除以給定字串長度的平均值乘以 100。
傳回兩個字串中匹配字元的數量。
匹配字元的數量計算方式為先找出最長的第一個共同子字串，然後針對字首和字尾以遞迴方式進行。所有找到的共同子字串的長度會相加。
範例 #1 similar_text() 引數交換範例
此範例顯示交換 string1 和 string2 引數可能會產生不同的結果。
<?php
$sim = similar_text('bafoobar', 'barfoo', $perc);
echo "相似度： $sim ($perc %)\n";
$sim = similar_text('barfoo', 'bafoobar', $perc);
echo "相似度： $sim ($perc %)\n";以上範例將會輸出類似下列的結果
similarity: 5 (71.428571428571 %) similarity: 3 (42.857142857143 %)
大家好，
使用此函式時請注意，如果要計算相似度的百分比，傳遞字串的順序非常重要，事實上，更改變數將會產生非常不同的結果，例如
<?php
$var_1 = 'PHP IS GREAT';
$var_2 = 'WITH MYSQL';
similar_text($var_1, $var_2, $percent);
echo $percent;
// 27.272727272727
similar_text($var_2, $var_1, $percent);
echo $percent;
// 18.181818181818
?>請注意，此函式對於兩個空字串計算出的相似度為 0 (零)。
<?php
similar_text("", "", $sim);
echo $sim; // "0"
?>實際上，similar_text() 並不差...
它運作良好。但在處理之前，我認為可以稍微修改一下，像這樣
$var_1 = strtoupper("doggy");
$var_2 = strtoupper("Dog");
similar_text($var_1, $var_2, $percent);
echo $percent; // 輸出為 75，但沒有 strtoupper 的輸出為 50請注意，此函式區分大小寫
<?php
$var1 = 'Hello';
$var2 = 'Hello';
$var3 = 'hello';
echo similar_text($var1, $var2); // 5
echo similar_text($var1, $var3); // 4遞迴演算法通常非常優雅。我找到一種無需遞迴就能獲得更好精準度的方法。想像一下兩條長度不同（或相同）的緞帶，每條緞帶上都有字母。您只需將一條緞帶向左移動，直到它與第一個字母匹配為止。
<?php
function similarity($str1, $str2) {
$len1 = strlen($str1);
$len2 = strlen($str2);
$max = max($len1, $len2);
$similarity = $i = $j = 0;
while (($i < $len1) && isset($str2[$j])) {
if ($str1[$i] == $str2[$j]) {
$similarity++;
$i++;
$j++;
} elseif ($len1 < $len2) {
$len1++;
$j++;
} elseif ($len1 > $len2) {
$i++;
$len1--;
} else {
$i++;
$j++;
}
}
return round($similarity / $max, 2);
}
$str1 = '12345678901234567890';
$str2 = '12345678991234567890';
echo 'Similarity: ' . (similarity($str1, $str2) * 100) . '%';
?>如果效能是一個問題，你可能會想改用 levenshtein() 函數，它具有更好的複雜度 O(str1 * str2)。如果你在資料庫中有保留名稱，不希望其他人使用，我發現這個方法效果很好。
我將變數加上 strtoupper 是為了只驗證輸入類型。考量大小寫會降低相似度。
<?php
$query = mysql_query("select * from $table") or die("Query failed");
while ($row = mysql_fetch_array($query)) {
similar_text(strtoupper($_POST['name']), strtoupper($row['reserved']), $similarity_pst);
if (number_format($similarity_pst, 0) > 90){
$too_similar = $row['reserved'];
print "The name you entered is too similar the reserved name "".$row['reserved'].""";
break;
}
}
?>similar_text 的速度問題似乎只發生在較長的文字段落（>20000 字元）。
我在我的應用程式中發現一個巨大的效能改進，方法是在呼叫 similar_text 之前先測試要測試的字串是否小於 20000 個字元。
20000+ 需要 3-5 秒才能處理，其他任何東西（10000 以下）只需要一小部分秒數。
幸運的是，對我來說，只有少數 >20000 字元的實例我無法取得比較百分比。嗯，如上所述，速度是 O(N^3)，我已經使用最長共同子序列的方式，它是 O(m.n)，其中 m 和 n 是 str1 和 str2 的長度，結果是一個百分比，而且看起來與 similar_text 百分比完全相同，但具有更好的效能...以下是我正在使用的 3 個函數..
<?php
function LCS_Length($s1, $s2)
{
$m = strlen($s1);
$n = strlen($s2);
//這個表格將用於計算 LCS 長度，每個字串只考慮前 128 個字元
$LCS_Length_Table = array(array(128),array(128));
//重設表格中的兩列
for($i=1; $i < $m; $i++) $LCS_Length_Table[$i][0]=0;
for($j=0; $j < $n; $j++) $LCS_Length_Table[0][$j]=0;
for ($i=1; $i <= $m; $i++) {
for ($j=1; $j <= $n; $j++) {
if ($s1[$i-1]==$s2[$j-1])
$LCS_Length_Table[$i][$j] = $LCS_Length_Table[$i-1][$j-1] + 1;
else if ($LCS_Length_Table[$i-1][$j] >= $LCS_Length_Table[$i][$j-1])
$LCS_Length_Table[$i][$j] = $LCS_Length_Table[$i-1][$j];
else
$LCS_Length_Table[$i][$j] = $LCS_Length_Table[$i][$j-1];
}
}
return $LCS_Length_Table[$m][$n];
}
function str_lcsfix($s)
{
$s = str_replace(" ","",$s);
$s = ereg_replace("[��������]","e", $s);
$s = ereg_replace("[������������]","a", $s);
$s = ereg_replace("[��������]","i", $s);
$s = ereg_replace("[���������]","o", $s);
$s = ereg_replace("[��������]","u", $s);
$s = ereg_replace("[�]","c", $s);
return $s;
}
function get_lcs($s1, $s2)
{
//好的，現在將所有空格取代為空字串
$s1 = strtolower(str_lcsfix($s1));
$s2 = strtolower(str_lcsfix($s2));
$lcs = LCS_Length($s1,$s2); //最長共同子序列
$ms = (strlen($s1) + strlen($s2)) / 2;
return (($lcs*100)/$ms);
}
?>
如果你不擔心重音字元或類似的東西，你可以跳過呼叫 str_lcsfix，或者你可以新增到其中或修改它以獲得更快的效能，我認為 ereg 不是最快的方法？
希望這有幫助。
Georges為了計算兩個字串之間的相似度百分比，而不依賴參數的順序並且不區分大小寫，我使用這個基於 Levenshtein 距離的函式
<?php
// 使用 levenshtein 計算字串相似度
static function similarity($a, $b)
{
return 1 - (levenshtein(strtoupper($a), strtoupper($b)) / max(strlen($a), strlen($b)));
}
?>
這將永遠回傳一個介於 0 和 1 之間的數字，代表百分比，例如 0.8 代表字串有 80% 的相似度。
如果你想要區分大小寫，只需移除 strtoupper() 函式。