php 比较字符串或文章的相似度

来源：互联网发布：尔雅网络课程刷课编辑：程序博客网时间：2024/05/16 05:19

这是转载的，不知道多少年前的文章，有些对于现在版本的PHP会出现相反的结果，使用的同学要自己去验证哦
php默认有个函数similar_text()用于计算字符串之间的相似度，该函数也可以计算两个字符串的相似度（以百分比计）。不过这个函数感觉对中文计算很不准确比如：

echo similar_text("吉林禽业公司火灾已致112人遇难","吉林宝源丰禽业公司火灾已致112人遇难");

这两个新闻标题其实都是一样的，如果使用similar_text()相似对结果为：42，即只相似42%，所以这个感觉很不靠谱，今天刚好收集到一段PHP代码也是用于比较两个字符串的相似度，直接贴出代码：

<?php class LCS {    var $str1;    var $str2;    var $c = array();    /*返回串一和串二的最长公共子序列*/    function getLCS($str1, $str2, $len1 = 0, $len2 = 0) {        $this->str1 = $str1;        $this->str2 = $str2;        if ($len1 == 0) $len1 = strlen($str1);        if ($len2 == 0) $len2 = strlen($str2);        $this->initC($len1, $len2);        return $this->printLCS($this->c, $len1 - 1, $len2 - 1);    }    /*返回两个串的相似度*/    function getSimilar($str1, $str2) {        $len1 = strlen($str1);        $len2 = strlen($str2);        $len = strlen($this->getLCS($str1, $str2, $len1, $len2));        return $len * 2 / ($len1 + $len2);    }    function initC($len1, $len2) {        for ($i = 0; $i < $len1; $i++) $this->c[$i][0] = 0;        for ($j = 0; $j < $len2; $j++) $this->c[0][$j] = 0;        for ($i = 1; $i < $len1; $i++) {            for ($j = 1; $j < $len2; $j++) {                if ($this->str1[$i] == $this->str2[$j]) {                    $this->c[$i][$j] = $this->c[$i - 1][$j - 1] + 1;                } else if ($this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) {                    $this->c[$i][$j] = $this->c[$i - 1][$j];                } else {                    $this->c[$i][$j] = $this->c[$i][$j - 1];                }            }        }    }    function printLCS($c, $i, $j) {        if ($i == 0 || $j == 0) {            if ($this->str1[$i] == $this->str2[$j]) return $this->str2[$j];            else return "";        }        if ($this->str1[$i] == $this->str2[$j]) {            return $this->printLCS($this->c, $i - 1, $j - 1).$this->str2[$j];        } else if ($this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) {            return $this->printLCS($this->c, $i - 1, $j);        } else {            return $this->printLCS($this->c, $i, $j - 1);        }    }} $lcs = new LCS();//返回最长公共子序列$lcs->getLCS("hello word","hello china");//返回相似度echo $lcs->getSimilar("吉林禽业公司火灾已致112人遇难","吉林宝源丰禽业公司火灾已致112人遇难");

同样输出结果为：0.90322580645161，明显准确的多。

来自：http://www.fkblog.org/blog1297

0 0