代码之家 › 专栏 › 技术社区 › mikeytown2

模糊文本搜索:regex通配符搜索生成器?

fuzzy-comparison fuzzy-search ocr regex php

3

mikeytown2 · 技术社区 · 15 年前

我想知道是否有某种方法可以在PHP中进行模糊字符串匹配。在一个长字符串中查找一个单词,即使拼写错误,也可以找到一个潜在的匹配;如果由于OCR错误而被一个字符关闭,则可以找到它。

我在想一个regex生成器也许能做到。因此,如果输入“crazy”,它将生成这个regex:

.*((crazy)|(.+razy)|(c.+azy)|cr.+zy)|(cra.+y)|(craz.+)).*

然后它将返回该单词或该单词变体的所有匹配项。

如何建造发电机: 我可能会将搜索字符串/单词拆分成一个字符数组,然后构建一个regex表达式,在新创建的数组中执行foreach操作,用“.+”替换键值(字符串中字母的位置)。

这是进行模糊文本搜索的好方法还是有更好的方法?有什么样的字符串比较能根据它的接近程度给我一个分数呢?我想看看一些转换不好的OCR文本是否包含一个简短的单词。

3 回复 | 直到 15 年前

1

6

user187291 15 年前

当你不知道正确的词是什么时,字符串距离函数是无用的。我建议使用pspell函数:

$p = pspell_new("en");
print_r(pspell_suggest($p, "crazzy"));

http://www.php.net/manual/en/function.pspell-suggest.php

2

1

Visionary Software Solutions 15 年前

Levenshtein是字符串的一个示例 Edit-distance . 对于不同的目的,有不同的度量标准。熟悉他们,找到适合你的。

3

1

Amarghosh 15 年前

echo generateRegex("crazy");
function generateRegex($word)
{
  $len = strlen($word);
  $regex = "\b((".$word.")";
  for($i = 0; $i < $len; $i++)
  {
    $temp = $word;
    $temp[i] = '.';
    $regex .= "|(".$temp.")";
  }
  $regex = $regex.")\b";
  return $regex;
}