PHP中计算字符串相似度的函数代码

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。