确定soundex转换

Question

在将'Lukasieicz‘这个名字转换为soundex (字母、数字、数字)时，我想到了L2222。

然而，我的演讲幻灯片告诉我，实际的答案应该是L2220。

请解释为什么我的答案是不正确的，或者讲座的答案只是一个打字错误之类的。

我的步骤：

Lukasieicz

remove and keep L

ukasieicz

Remove contiguous duplicate characters

ukasieicz

remove A,E,H,I,O,U,W,Y

KSCZ

convert up to first four remaining letters to soundex (as described in lecture directions)

2222

append beginning letter

L2222

Answer 1

如果这是作为defined by the National Archives的American Soundex，那么你们都错了。American Soundex包含一个字母和三个数字，您不能有L2222或L2220。我是L222。

但是假设他们出于某种原因添加了另一个数字。

基本的替换给出了L2222。但您应该折叠具有相同数字的相邻字母(下面的步骤3)，然后在必要时填充零(步骤4)。

1. 如果原始名称(在步骤1之前)中有两个或两个以上具有相同数字的字母相邻，则只保留第一个字母；同样，用'h‘或'w’分隔的相同数字的两个字母被编码为单个数字，而由元音分隔的这些字母被编码两次。此规则也适用于第一个字母。

1. 如果单词中的字母太少，不能指定四个数字，请在后面加上零，直到有四个数字为止。如果你有4个以上的字母，只需保留前4个数字。

Lukasieicz    # the original word
L_2_2___22    # replace with numbers, leave the gaps in
L_2_2___2     # apply step 3 and squeeze adjacent numbers
L2220         # apply step 4 and pad to four numbers

我们可以检查如何常规(即，三个数字) soundex实现使用更短的Lukacz，它变成了L_2_22。根据规则3和4，它应该是L220。

National Archives建议使用可生成L220的online Soundex calculator。So does PostgreSQL和Text::Soundex在其原始风格和NARA实现中。

$ perl -wle 'use Text::Soundex; print soundex("Lukacz"); print soundex_nara("Lukacz")'
L220
L220

MySQL，不出所料，就是is doing its own thing and returns L200。

这个函数实现了原始的Soundex算法，而不是更流行的增强版本(也由D.Knuth描述)。不同的是，原始版本首先丢弃元音，然后复制，而增强版本首先丢弃重复，然后丢弃元音。

总而言之，您忘记了挤压步骤。