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');
Similar Posts:
- [PHP]料金表のようなものをテキストだけで表現する
- [PHP]「もしかして: ～」スペルミス時の修正候補を表示する
- [PHP]マルチパートメールの構造
- [PHP]背景の明るさを基準に見やすい文字色を組み合わせる(YUV輝度)
- [PHP]携帯サイト向けに文字コードを一括変換する
- [PHP]似た画像を検索して近い順番に並べる（類似画像検索）
- [PHP]Luhnアルゴリズムによる番号のチェック
- [PHP]DOM, XPathを使ったスクレイピング(HTMLのタグ内容取得)
