php-smart,容错字符串比较

不确定 (尤其是关于口音/特殊字符的东西,你可能需要先处理) ,但对于位置错误或丢失的字符, levenshtein 功能 ,计算 Levenshtein distance 在两条线之间,也许能帮到你 (引证) :

int levenshtein  ( string $str1  , string $str2  )
int levenshtein  ( string $str1  , string $str2  , int $cost_ins  , int $cost_rep  , int $cost_del  )

Levenshtein距离定义为 您的最小字符数 必须替换、插入或删除到 将str1转换为str2

其他可能有用的函数可以是 soundex , similar_text 或 metaphone .

以及这些功能手册页上的一些用户注释,尤其是 manual page of levenshtein 可能也会给你带来一些有用的东西;-)

你可以把这些单词译成拉丁字母,然后使用语音算法,比如 Soundex 从你的话语中获得本质,并将其与你所拥有的相比较。如果是你的话 C252 除了最后一句 C250 .

编辑 ____ levenshtein 或 similar_text 您需要为每对输入值和可能的匹配值调用它们。这意味着如果您有一个包含100万个条目的数据库,您将需要调用这些函数100万次。

但是功能就像 soundex 或 metaphone 计算某种类型的摘要,可以帮助减少实际比较的数量。如果你储存 桑德克斯 或 变形金刚 对于数据库中的每个已知单词,可以快速减少可能匹配的数目。稍后,当可能的匹配值集减少时,可以使用比较函数获得最佳匹配。

这里是一个例子:

// building the index that represents your database
$knownWords = array('Čakánka', 'Cakaka');
$index = array();
foreach ($knownWords as $key => $word) {
    $code = soundex(iconv('utf-8', 'us-ascii//TRANSLIT', $word));
    if (!isset($index[$code])) {
        $index[$code] = array();
    }
    $index[$code][] = $key;
}

// test words
$testWords = array('cakanka', 'cákanká', 'ČaKaNKA', 'CAKANKA', 'CAAKNKA', 'CKAANKA', 'cakakNa');
echo '<ul>';
foreach ($testWords as $word) {
    $code = soundex(iconv('utf-8', 'us-ascii//TRANSLIT', $word));
    if (isset($index[$code])) {
        echo '<li> '.$word.' is similar to: ';
        $matches = array();
        foreach ($index[$code] as $key) {
            similar_text(strtolower($word), strtolower($knownWords[$key]), $percentage);
            $matches[$knownWords[$key]] = $percentage;
        }
        arsort($matches);
        echo '<ul>';
        foreach ($matches as $match => $percentage) {
            echo '<li>'.$match.' ('.$percentage.'%)</li>';
        }
        echo '</ul></li>';
    } else {
        echo '<li>no match found for '.$word.'</li>';
    }
}
echo '</ul>';

拼写检查的作用类似于 fuzzy string comparison . 也许您可以根据该引用调整算法。或者从开源项目中获取拼写检查器猜测代码,比如 Firefox .