Функция сравнения двух строк на PHP

Насколько похожи две строки? В PHP для выяснения подобия строк есть две функции — similar_text() и levenshtein().

Первая из них считает процент совпадения символов в двух строках, а вторая вычисляет расстояние Левенштейна — кол-во операций вставки, замены, удаления символов, приводящих одну строку к другой.

Время работы функции levenshtein очень быстро растет с ростом длины сравниваемых строк (как n³). Также установлена максимальная длина для строк — 255 символов. После вычисления требуется нормировка, чтобы можно было использовать результат вычислений для сравнения с другими результатами. А если вы переставите аргументы местами, то получите отличный от предыдущего результат.

Все эти факторы склоняют меня в сторону выбора функции similar_text. Она устроена более сложно, чем я упоминал ранее.

Пример работы:

	
			1
2
3
4
5

			$s1 = 'ac';
$s2 = 'ac';
similar_text($s1, $s2, $per);
echo $per;
//выводит 100, т.е. 100% совпадение

		

А вот результаты сравнения других строк:

ac и ca — 50%;

AC и ac — 0%

aac и ac — 80%

abc и ac — 80%

caa и ac — 40%

cba и ac — 40%

vb ac и ac vb — 40%

vb ac и vc ab — 60%

Как видите, не так уж она прямолинейна и предсказуема. Для функции важен порядок слов и регистр букв. По умолчанию, она не работает с кириллицей и UTF8.

Давайте избавим функцию от этих недостатков.

	
			1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

			setlocale(LC_ALL, "UTF-8");
 
//сравнение строк
function strSimilar($str1, $str2) {
  similar_text(strNormalize($str1), strNormalize($str2), $per);
  return $per; 
}
 
//нормализация текста
function strNormalize($str) {
  $n = str_word_count(mb_strtolower($str), 1,
    '1234567890абвгдеёжзийклмнопрстуфхцчшщъыьэюя');
  sort($n, SORT_LOCALE_STRING );
  return implode(' ', $n);
}

		

Получившаяся функция strSimilar пренебрегает регистром букв, порядком слов и работает с UTF-8. Для этого требуется предварительная нормализация строк.

Алгоритм очень медленный и едва ли применим для реальных задач, где требуется выявить подобие строк.

Источник: Перейти