Soundex語音算法

在看《編程珠璣》變位詞程序的時候看到簽名算法的思想非常好...

Soundex是一種語音算法，利用英文字的讀音計算近似值，值由四個字符構成，第一個字符爲英文字母，後三個爲數字。在拼音文字中有時會有會念但不能拼出正確字的情形，可用Soundex做類似模糊匹配的效果。

之前做過模糊匹配，用的是正則表達式。但顯然，用簽名算法的效率更高。

 

算法簡要說明

• 將英文字按以下規則替換（除第一個字符外）：

   a e h i o u w y -> 0
   b f p v -> 1
   c g j k q s x z -> 2
   d t -> 3
   l -> 4
   m n -> 5
   r -> 6

• 去除0，對於重複的字符只保留一個

• 返回前4個字符，不足4位以0補足

以Knuth和Kant爲例：

   Knuth -> K5030 -> K53 -> K530
   Kant  -> K053  -> K53 -> K530

 http://zh.wikipedia.org/wiki/Soundex