变音符号上的Levenshtein距离

Murval 发表于 Dev

Murval

在PHP中，我使用函数levenshtein（）计算Levenshtein距离。对于简单字符，它可以按预期工作，但对于音调字符，如示例

echo levenshtein('à', 'a');

它返回“ 2”。在这种情况下，只需进行一次替换，因此我希望它返回“ 1”。

我想念什么吗？

因鲁邦

levenshtein()像许多PHP函数一样，默认的PHP不支持多字节。因此，在处理带有Unicode字符的字符串时，它将分别处理每个字节并更改两个字节。

没有多字节版本（即mb_levenshtein()），因此您有两个选择：

1）使用mb_功能自己重新实现功能。要点可能的示例代码：

<?php
function levenshtein_php($str1, $str2){
    $length1 = mb_strlen( $str1, 'UTF-8');
    $length2 = mb_strlen( $str2, 'UTF-8');
    if( $length1 < $length2) return levenshtein_php($str2, $str1);
    if( $length1 == 0 ) return $length2;
    if( $str1 === $str2) return 0;
    $prevRow = range( 0, $length2);
    $currentRow = array();
    for ( $i = 0; $i < $length1; $i++ ) {
        $currentRow=array();
        $currentRow[0] = $i + 1;
        $c1 = mb_substr( $str1, $i, 1, 'UTF-8') ;
        for ( $j = 0; $j < $length2; $j++ ) {
            $c2 = mb_substr( $str2, $j, 1, 'UTF-8' );
            $insertions = $prevRow[$j+1] + 1;
            $deletions = $currentRow[$j] + 1;
            $substitutions = $prevRow[$j] + (($c1 != $c2)?1:0);
            $currentRow[] = min($insertions, $deletions, $substitutions);
        }
        $prevRow = $currentRow;
    }
    return $prevRow[$length2];
}