similar_text()中文汉字版

复制代码 代码如下:

<?php

//拆分字符串

function split_str($str) {

preg_match_all("/./u", $str, $arr);

return $arr[0];

}

//相似度检测

function similar_text_cn($str1, $str2) {

$arr_1 = array_unique(split_str($str1));

$arr_2 = array_unique(split_str($str2));

$similarity = count($arr_2) - count(array_diff($arr_2, $arr_1));

return $similarity;

}

levenshtein()中文汉字版

复制代码 代码如下:

<?php

//拆分字符串

function mbStringToArray($string, $encoding = 'UTF-8') {

$arrayResult = array();

while ($iLen = mb_strlen($string, $encoding)) {

array_push($arrayResult, mb_substr($string, 0, 1, $encoding));

$string = mb_substr($string, 1, $iLen, $encoding);

}

return $arrayResult;

}

//编辑距离

function levenshtein_cn($str1, $str2, $costReplace = 1, $encoding = 'UTF-8') {

$count_same_letter = 0;

$d = array();

$mb_len1 = mb_strlen($str1, $encoding);

$mb_len2 = mb_strlen($str2, $encoding);

$mb_str1 = mbStringToArray($str1, $encoding);

$mb_str2 = mbStringToArray($str2, $encoding);

for ($i1 = 0; $i1 <= $mb_len1; $i1++) {

$d[$i1] = array();

$d[$i1][0] = $i1;

}

for ($i2 = 0; $i2 <= $mb_len2; $i2++) {

$d[0][$i2] = $i2;

}

for ($i1 = 1; $i1 <= $mb_len1; $i1++) {

for ($i2 = 1; $i2 <= $mb_len2; $i2++) {

// $cost = ($str1[$i1 - 1] == $str2[$i2 - 1]) ? 0 : 1;

if ($mb_str1[$i1 - 1] === $mb_str2[$i2 - 1]) {

$cost = 0;

$count_same_letter++;

} else {

$cost = $costReplace; //替换

}

$d[$i1][$i2] = min($d[$i1 - 1][$i2] + 1, //插入

$d[$i1][$i2 - 1] + 1, //删除

$d[$i1 - 1][$i2 - 1] + $cost);

}

}

return $d[$mb_len1][$mb_len2];

//return array('distance' => $d[$mb_len1][$mb_len2], 'count_same_letter' => $count_same_letter);

}

最长公共子序列LCS()

复制代码 代码如下:

<?php

//最长公共子序列英文版

function LCS_en($str_1, $str_2) {

$len_1 = strlen($str_1);

$len_2 = strlen($str_2);

$len = $len_1 > $len_2 ? $len_1 : $len_2;

$dp = array();

for ($i = 0; $i <= $len; $i++) {

$dp[$i] = array();

$dp[$i][0] = 0;

$dp[0][$i] = 0;

}

for ($i = 1; $i <= $len_1; $i++) {

for ($j = 1; $j <= $len_2; $j++) {

if ($str_1[$i - 1] == $str_2[$j - 1]) {

$dp[$i][$j] = $dp[$i - 1][$j - 1] + 1;

} else {

$dp[$i][$j] = $dp[$i - 1][$j] > $dp[$i][$j - 1] ? $dp[$i - 1][$j] : $dp[$i][$j - 1];

}

}

}

return $dp[$len_1][$len_2];

}

//拆分字符串

function mbStringToArray($string, $encoding = 'UTF-8') {

$arrayResult = array();

while ($iLen = mb_strlen($string, $encoding)) {

array_push($arrayResult, mb_substr($string, 0, 1, $encoding));

$string = mb_substr($string, 1, $iLen, $encoding);

}

return $arrayResult;

}

//最长公共子序列中文版

function LCS_cn($str1, $str2, $encoding = 'UTF-8') {

$mb_len1 = mb_strlen($str1, $encoding);

$mb_len2 = mb_strlen($str2, $encoding);

$mb_str1 = mbStringToArray($str1, $encoding);

$mb_str2 = mbStringToArray($str2, $encoding);

$len = $mb_len1 > $mb_len2 ? $mb_len1 : $mb_len2;

$dp = array();

for ($i = 0; $i <= $len; $i++) {

$dp[$i] = array();

$dp[$i][0] = 0;

$dp[0][$i] = 0;

}

for ($i = 1; $i <= $mb_len1; $i++) {

for ($j = 1; $j <= $mb_len2; $j++) {

if ($mb_str1[$i - 1] == $mb_str2[$j - 1]) {

$dp[$i][$j] = $dp[$i - 1][$j - 1] + 1;

} else {

$dp[$i][$j] = $dp[$i - 1][$j] > $dp[$i][$j - 1] ? $dp[$i - 1][$j] : $dp[$i][$j - 1];

}

}

}

return $dp[$mb_len1][$mb_len2];

}