实现音素搜索的最有效方法

Question

如何在C++和/或Java中实现最有效的音标搜索？所谓的音标搜索是指替换听起来相似的元音或辅音。这对于姓名尤其有用，因为有时人们的名字拼写很奇怪。

我认为将元音和一些辅音进行替换可能是有效的。还可以包括一些特殊情况，例如末尾的无声E或F和PH。在C++中是使用cstrings还是strings更好？是否最好在内存中存储带有替换值的副本，还是每次查找时调用函数？

- ctype.h

Answer 1

除了 Soundex，您还可以找到 Metaphone 或 Double Metaphone 这些音标算法。它们似乎是对英语发音的改进，并且是一个相当新的算法。 对于德语发音，我使用 "Kölner Phonetik"。 Apache Commons Codec 提供了这些基本算法（Soundex、Metaphone 等）的非常简单的 Java 实现。 http://commons.apache.org/codec/ 例如，请参阅 Soundex 的 javadoc： http://commons.apache.org/codec/apidocs/org/apache/commons/codec/language/Soundex.html 只需键入以下代码，即可获得字符串的音标值：

Soundex soundex = new Soundex();
String phoneticValue = soundex.encode("YourString");

然后，您可以针对两个字符串执行此操作并比较它们的语音值。 如果您正在比较两个字符串，那么请查看以下帖子，因为equals()方法只是非常明确的黑白，也许您想知道它匹配了多少％： 如何在Java中比较几乎相似的字符串？（字符串距离测量）

- Philipp

---

你知道“科隆音标”在JAVA中的实现吗？ - mica

是的 - 我们使用了Apache Commons Codec。在这里，您可以找到“ColognePhonetic”类。'new ColognePhonetic().encode("Hans")'。但是我们不再将其用于德语，因为它似乎忽略了太多内容，几乎所有单词都被视为相等。 - Philipp

对于德语，我找到了汉诺威音标，一个Java实现的Phonet4Java，可以在这里找到：http://code.google.com/p/phonet4java - mica

Answer 2

Soundex 及其变体是用于此目的的标准算法。它使用语音规则将名称转换为字母数字代码。具有相同代码的名称被分组在一起。

关于实现搜索，我会使用一个数据结构，将每个 Soundex 代码映射到具有该代码的名称列表。根据所使用的数据结构（哈希表或树），查找可以在恒定时间或对数时间内完成，取决于不同 Soundex 代码的数量。

我不确定您所说的cstring 是什么意思（Microsoft 的 CString？），但标准的 std::string 类对于这个问题来说完全可以胜任，并且是我的首选。

- NPE

---

我所说的“cstring”是指类型为“char”的数组。 - ctype.h

@user964672：在这里没有理由这样做——我的建议是坚持使用std::string。 - NPE