PHP Archive

PHP には２つの文字がどれだけ似ているかを表す関数が２つ用意されています。
ひとつは similar_text() で、もうひとつは levenshtein() です。

similar_text() は類似度をパーセントで返し、
levenshtein() は、両者を一致させるのにかかる作業量を返します。

後者のレーベンシュタイン距離を調べるアルゴリズムは Wikipedia に掲載されているので、
それを参考にマルチバイト対応版 mb_levenshtein を作ってみました。

<?php
function mb_levenshtein($str1, $str2, $encoding){
  $length1 = mb_strlen($str1, $encoding);
  $length2 = mb_strlen($str2, $encoding);
  
  $str1 = mb_str_split($str1, $encoding);
  $str2 = mb_str_split($str2, $encoding);
  
  $distance = array();
  for($i=0;$i<=$length1;$i++){
    $distance[$i] = array();
    $distance[$i][0] = $i;
  }
  for($i=0;$i<=$length2;$i++){
    $distance[0][$i] = $i;
  }
  $cost = 0;
  for($i=1;$i<=$length1;$i++){
    for($j=1;$j<=$length2;$j++){
      $cost = ($str1[$i - 1] === $str2[$j-1]) ? 0 : 1;
      $distance[$i][$j] = min(
        $distance[$i - 1][$j] + 1,
        $distance[$i][$j - 1] + 1,
        $distance[$i - 1][$j - 1] + $cost
      );
    }
  }
  return $distance[$length1][$length2];
}

function mb_str_split($str, $encoding){
  $arr = array();
  $length = mb_strlen($str, $encoding);
  for($i=0;$i<$length;$i++){
    $arr[] = mb_substr($str, $i, 1, $encoding);
  }
  return $arr;
}

$str1 = "sample";
$str2 = "example";

header("Content-type:text/html; charset=utf-8");

echo mb_levenshtein($str1, $str2, 'utf-8');

PHP で HTML などを複数行表示させたい時、ヒアドキュメントを用いることが多いですが、
出力時に htmlspecialchars() 等の関数を使っておく必要が有る場合が殆どで、
現実的には次のようなソースになってしまいます。

<?php
//実際には動作しません
$str1 = getSomeText();
$str2 = getSomeText();

$str1 = htmlspecialchars($str1, ENT_QUOTES);
$str2 = htmlspecialchars($str2, ENT_QUOTES);

echo <<<EOD
<p>{$str1}</p>
<p>{$str2}</p>
EOD;
exit;

「<p>{htmlspecialchars($str1)}</p>」のように出来れば楽なのですが、ヒアドキュメント内で関数は直接使えないため、
前もって処理しておく必要があります。
例では２つしか無いのでこれでもいいですが、何十個も処理するのはあまり綺麗とはいえません。

解決方法は２つあり、ひとつはこちらの記事（http://blog.half-moon.org/archives/390）で知ったメンバ関数を経由する方法です。

<?php
class Foo {
  function h($str){
    return htmlspecialchars($str, ENT_QUOTES);
  }
}

$foo = new Foo();
$str = "<'sample'>";
echo <<<EOD
	<p>{$foo->h($str)}</p>
EOD;
exit;

このようにするとメンバ関数は展開されるので見た目をすっきり書くことができます。

もう一つは可変変数を使う方法です

<?php
$h='htmlspecialchars';
$str = "<'test'>";
echo <<<EOD
<p>{$h($str, ENT_QUOTES)}</p>
EOD;
exit;

クラスを作らなくていい分短いソースでできますが、
なんとなく落ち着かないのは私だけでしょうか？

どちらの方法もややトリッキーな方法であるため、複数人で作業する場合などは
通常通り出力前に変換しておく方法をとったほうが無難かもしれません。
あくまでこういう方法もあるという紹介にとどめておきます。