在数组中找到类似的单词并消除它们

Question

$a[] = "paris";
$a[] = "london";
$a[] = "paris";
$a[] = "london tour";
$a[] = "london tours";
$a[] = "london";
$a[] = "londonn";

foreach($a as $name) {

echo $name;
echo '<br>';

}

输出：

paris
london
paris
london tour
london tours
london
londonn

我可以用array_unique删除相同的单词。

foreach(array_unique($a) as $name) {

echo $name;
echo '<br>';

}

输出：

paris
london
london tour
london tours
londonn

我想更进一步，去掉类似的字眼。比如，如果有一个“伦敦”，我想消除“伦敦”。

因此，输出将是：

paris
london
london tour

我尝试了similar_text($name，$name，$percent)，但是没有帮助。

以下是我用有限的知识所做的尝试：

foreach(array_unique($a) as $name) {

$test = $a;
foreach($test as $test1) {

 similar_text($name, $test1, $percent);
if ($percent > 90) {
echo $name;
echo '<br>';
} 

}
}

输出：

paris
paris
london
london
london
london tour
london tour
london tours
london tours
londonn
londonn
londonn

这些词的来源是一个搜索列表：

$a[] = "$popular_search";

Answer 1

主要问题似乎是使用这两个嵌套循环的方式。这里有一个非常显式的例子，没有任何花哨的东西，展示了如何做到这一点：

$a[] = "paris";
$a[] = "london";
$a[] = "paris";
$a[] = "london tour";
$a[] = "london tours";
$a[] = "london";
$a[] = "londonn";

$b = [];
foreach($a as $outerName) {
    // start optimistic, no similar string found
    $isUnique = true;
    foreach($b as $innerName) {
        // check whether the string already has a similar entry
        similar_text($outerName, $innerName, $percent);
        if ($percent > 90) {
            $isUnique = false;
            break;
        }
    }
    if ($isUnique) {
        $b[] = $outerName;
    }
}

print_r($b);

工作实例

产出如下：

Array
(
    [0] => paris
    [1] => london
    [2] => london tour
)

它怎麽工作?有一个外部循环，它简单地遍历数组$a中的所有字符串。在该循环中，它循环遍历已经被标识为足够唯一的字符串$b。如果来自$a的字符串与$b字符串非常相似，那么我们跳过它。就这样。

Answer 2

您可以使用函数返回的%%部分.这将返回两个输入之间的相似性百分比。

对于我实现的一个单词游戏，我使用了这种方法，并且对我来说“匹配”这个单词，测试>= 60到80的百分比似乎适用于“大多数”我的测试用例，这取决于您希望它是多么的挑剔！

就我的情况而言，为了使它准确，我首先将测试词转换为隐喻：

public static function testMetaphone($s1 = "", $s2 = "", $phonemes = 4)
{
    if (empty($s1) || empty($s2)) {
        return false;
    }

    $m1 = metaphone($s1, $phonemes);
    $m2 = metaphone($s2, $phonemes);
    $sim = similar_text($m1, $m2, $perc);
    $logMessage = "M1: {$m1}, M2: {$m2}, Similarity: $sim ($perc %) - Originals text: {$s1} | {$s2}";
    Log::info("testMetaphone: " . $logMessage);
    // Test accuracy
    if ($perc >= 85) {
        return true;
    } else {
        return false;
    }
}

用法：

$answerCheck = testMetaphone("Toyota", "Totota", 6);

看到它的作用：https://3v4l.org/KceXD -上面的失败，如果%-年龄是85%，但通过如果%60。所以，再一次，可能需要玩这个，以找到你满意的地方，它的准确性。

对于您的情况，您可以循环数组，并使用此函数将每个元素与每个其他元素进行比较，并跟踪每个单词的选中情况，以及有多少相似的条目，然后相应地删除“重复项”。