如何比较两个字符串[已]，[巳]，看看彼此有多近？使用PHP

Question

我尝试过许多不同的方法来完成这个任务：

1. 利文希丁
2. 模糊
3. 达梅罗·莱文
4. 雅罗·温克勒
5. 史密斯·沃特曼·戈托

我的代码：

<?php
        echo levenshtein("ЛИЧНА КАРТАlоемптY CARO Пренные ЂУРЂЕВИЋ Hercinian","Михајло Ђурђевић")."<br>";
?>

输出：

​

​

所有这些都与英语有着良好的关系。然而，在我的例子中，我有许多不同的languagesArabic，中文，Russian...etc。这些语言中的一些字母是相似的。

示例：

• 阿拉伯语“ت”&“ث”
• 中文“已”&“巳”
• 俄语"ћ“和"h”

如何处理这些字母、多字节语言才能获得较好的准确性？

Answer 1

我只有两个建议。

1. 使用IntlChar::ord将字符转换为其代码点值。

大多数情况下，代码点值为也应该接近另一个角色。(在这里使用Levenshtein代替)。

这将适用于你的前两个例子。

1. 使用图像串将字符转换为图像，在图像上使用pHash来查看图像中的差异。

PHP实现

这将适用于所有三个示例。