Soundex语音算法

在看《编程珠玑》变位词程序的时候看到签名算法的思想非常好...

Soundex是一种语音算法，利用英文字的读音计算近似值，值由四个字符构成，第一个字符为英文字母，后三个为数字。在拼音文字中有时会有会念但不能拼出正确字的情形，可用Soundex做类似模糊匹配的效果。

之前做过模糊匹配，用的是正则表达式。但显然，用签名算法的效率更高。

 

算法简要说明

• 将英文字按以下规则替换（除第一个字符外）：

   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，对于重复的字符只保留一个

• 返回前4个字符，不足4位以0补足

以Knuth和Kant为例：

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

 http://zh.wikipedia.org/wiki/Soundex