(PHP 4, PHP 5, PHP 7, PHP 8)
similar_text — 计算两个字符串之间的相似度
此函数根据 Oliver 编著的《编程经典：实现世界最佳算法》（ISBN 0-131-00413-1）中所述方法，计算两个字符串之间的相似度。请注意，此实现未使用 Oliver 的伪代码中的堆栈，而是使用了递归调用，这可能会加快或减慢整个过程。另请注意，此算法的复杂度为 O(N**3)，其中 N 是最长字符串的长度。
string1第一个字符串。
string2第二个字符串。
注意:
交换
string1和string2可能会产生不同的结果；请参见下面的示例。
percent通过将引用作为第三个参数传递，similar_text() 将计算相似度百分比，方法是将 similar_text() 的结果除以给定字符串长度的平均值再乘以 100。
返回两个字符串中匹配字符的数量。
匹配字符的数量是通过查找最长的第一个公共子字符串，然后对前缀和后缀递归执行此操作来计算的。所有找到的公共子字符串的长度相加。
示例 #1 similar_text() 参数交换示例
此示例显示交换 string1 和 string2 参数可能会产生不同的结果。
<?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";以上示例将输出类似以下内容
similarity: 5 (71.428571428571 %) similarity: 3 (42.857142857143 %)
大家好，
使用此函数时请注意，如果您想计算相似度百分比，则传递字符串的顺序非常重要，事实上，更改变量会产生非常不同的结果，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
?>请注意，此函数计算两个空字符串的相似度为 0（零）。
<?php
similar_text("", "", $sim);
echo $sim; // "0"
?>实际上 similar_text() 并不差...
它运行良好。但在处理之前，我认为进行如下小的修改是一个好方法
$var_1 = strtoupper("doggy");
$var_2 = strtoupper("Dog");
similar_text($var_1, $var_2, $percent);
echo $percent; // 输出为 75，但如果不使用 strtoupper 则输出为 50请注意，此函数区分大小写
<?php
$var1 = 'Hello';
$var2 = 'Hello';
$var3 = 'hello';
echo similar_text($var1, $var2); // 5
echo similar_text($var1, $var3); // 4递归算法通常非常优雅。我找到了一种无需递归即可获得更高精度的方案。想象一下两条不同（或相同）长度的丝带，每条丝带上都有字母。您只需将一条丝带向左移动，直到它与第一条丝带上的字母匹配。
<?php
function similarity($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';
$str2 = '12345678991234567890';
echo '相似度: ' . (similarity($str1, $str2) * 100) . '%';
?>如果性能是一个问题，你可能希望使用levenshtein()函数代替，它具有更好的复杂度O(str1 * str2)。如果你在数据库中有保留名称，你不希望其他人使用，我发现这工作得很好。
我将strtoupper添加到变量中以仅验证输入。考虑大小写会降低相似度。
<?php
$query = mysql_query("select * from $table") or die("查询失败");
while ($row = mysql_fetch_array($query)) {
similar_text(strtoupper($_POST['name']), strtoupper($row['reserved']), $similarity_pst);
if (number_format($similarity_pst, 0) > 90){
$too_similar = $row['reserved'];
print "您输入的名称与保留名称"".$row['reserved'].""太相似了";
break;
}
}
?>similar_text的速度问题似乎仅在较长的文本段(>20000个字符)中才会出现。
我发现，在我的应用程序中，在调用similar_text之前，只需测试要测试的字符串是否小于20000个字符，就可以大幅提高性能。
20000+需要3-5秒才能处理，其他任何内容（10000及以下）都只需花费一小部分时间。
幸运的是，对于我来说，只有少数几个实例超过20000个字符，我无法获得比较百分比。好吧，如上所述，速度为O(N^3)，我做了一个最长公共子序列方法，它是O(m.n)，其中m和n分别是str1和str2的长度，结果是一个百分比，它似乎与similar_text百分比完全相同，但性能更好……这是我使用的3个函数……
<?php
function LCS_Length($s1, $s2)
{
$m = strlen($s1);
$n = strlen($s2);
//此表格用于计算LCS长度，每个字符串仅考虑128个字符
$LCS_Length_Table = array(array(128),array(128));
//重置表格中的两列
for($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，现在用空字符串替换所有空格
$s1 = strtolower(str_lcsfix($s1));
$s2 = strtolower(str_lcsfix($s2));
$lcs = LCS_Length($s1,$s2); //最长公共子序列
$ms = (strlen($s1) + strlen($s2)) / 2;
return (($lcs*100)/$ms);
}
?>
如果您不担心重音字符之类的问题，可以跳过调用str_lcsfix，或者可以对其进行补充或修改以提高性能，我认为ereg不是最快的方法？
希望这有帮助。
乔治斯为了计算两个字符串之间的相似度百分比，而不依赖于参数的顺序并且不区分大小写，我使用基于莱文斯坦距离的这个函数
<?php
// 使用莱文斯坦距离计算字符串相似度
static function similarity($a, $b)
{
return 1 - (levenshtein(strtoupper($a), strtoupper($b)) / max(strlen($a), strlen($b)));
}
?>
这将始终返回 0 到 1 之间的一个数字，表示百分比，例如 0.8 表示 80% 相似的字符串。
如果希望区分大小写，只需删除 strtoupper() 函数即可。