字符串相似算法之Soundex

概述

Soundex是一种语音算法，利用英文的读音计算近似值，通过由四个字符组成的代码来评估两个字符串的相似性。

定义

Soundex字符串格式为一个字母加三个数字，生成规则如下：

1. 提取字符串的首字母作为Soundex的第一位。
2. 按照下表的规则，将剩余的字符进行替换，如果有连续的相等数字，则只保留一个，并去掉数字0。

   a e h i o u w y	0
   b f p v	1
   c g j k q s x z	2
   d t	3
   l	4
   m n	5
   r	6

3. 如果结果超过4位则取前4位，不足4位向后补0。

示例

soundex -> s005302 -> s532
           algorithmic -> a4206030502 -> a426352 -> a426