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,第一個字符為英文字母,後三個為數字。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。例如Knuth和Kant二個字符串,它們的Soundex值都是「K530」。其在計算機科學家高德納名著《計算機程序設計藝術》都有詳細的介紹。

算法簡要說明

編輯
  • 第一步:保留第一個字母,去掉第一個字母之後的所有的a, e, i, o, u, y, h, w;
  • 第二步:將英文字按以下規則替換(除第一個字符外):
   b f p v -> 1
   c g j k q s x z -> 2
   d t -> 3
   l -> 4
   m n -> 5
   r -> 6
  • 第三步:對於相鄰的重複的數字只保留一個,即相鄰的兩個被替換為同一個數字的字母只保留一個;例外,如果在第一步驟的時候,這兩個相同數字中間有母音隔開,則這兩個重複的數字都保留(例如Tynczak為T522非T520)。並且請注意,雖然第一個字母不用翻成數字,但如果其數字和第二個數字相同,仍須把第二個數字刪除。(例如Pfister為P236非P123,Honeyman是H555非H500)
  • 第四步:保留第一個字母後的三位數字,若不足三位則以0補足。

實例:

單詞 Soundex
Knuth K530
Kant K530
Jarovski J612
Resnik R252
Reznick R252
Euler E460
Peterson P362
Jefferson J162

外部連結

編輯