这实际上是一个非常有趣的问题，谢谢你给了我一个结果非常有益的谜题。

让我首先解释similar_text 的实际工作原理。

相似文字：算法

这是一个基于递归的分治算法。它的工作原理是首先找到两个输入之间最长的公共字符串，然后将问题分解为围绕该字符串的子集。

您在问题中使用的示例实际上都只执行算法的一次迭代。唯一不使用一次迭代和给出不同结果的来自php.net 评论。

这是一个简单的例子来理解 simple_text 背后的主要问题，并希望对它的工作原理有一些了解。

相似文字：缺陷

eeeefaaaaafddddd
ddddgaaaaagbeeee

Iteration 1:
Max    = 5
String = aaaaa
Left : eeeef and ddddg
Right: fddddd and geeeee

我希望缺陷已经很明显了。它只会直接检查两个输入字符串中最长匹配字符串的左侧和右侧。这个例子

$s1='eeeefaaaaafddddd';
$s2='ddddgaaaaagbeeee';

echo similar_text($s1, $s2).'|'.similar_text($s2, $s1);
// outputs 5|5, this is due to Iteration 2 of the algorithm
// it will fail to find a matching string in both left and right subsets

老实说，我不确定应该如何处理这个案子。可以看出，字符串中只有2个字符不同。但是eeee和dddd都在两个字符串的两端，不确定NLP爱好者或其他文学专家对这种特定情况有什么看法。

类似的文字：参数交换的结果不一致

您根据输入顺序遇到的不同结果是由于算法的实际行为方式（如上所述）。我将对正在发生的事情做最后的解释。

echo similar_text('test','wert'); // 1
echo similar_text('wert','test'); // 2

在第一种情况下，只有一个迭代：

test
wert

Iteration 1:
Max    = 1
String = t
Left :  and wer
Right: est and 

我们只有一次迭代，因为空/空字符串在递归时返回 0。所以这结束了算法，我们得到了我们的结果：1

然而，在第二种情况下，我们面临多次迭代：

wert
test

Iteration 1:
Max    = 1
String = e
Left : w and t
Right: rt and st

我们已经有一个长度为 1 的公共字符串。左边子集的算法将以 0 个匹配结束，但在右边：

rt
st

Iteration 1:
Max    = 1
String = t
Left : r and s
Right:  and 

这将导致我们的新结果和最终结果：2

我感谢您提出的这个非常有用的问题以及再次涉足 C++ 的机会。

相似文字：JavaScript 版

简短的回答是：javascript 代码没有实现正确的算法

sum += this.similar_text(first.substr(0, pos2), second.substr(0, pos2));

显然应该是 first.substr(0,pos1)

注意： JavaScript 代码已在之前的提交中由eis修复。谢谢@eis

揭秘！

该函数似乎确实根据参数顺序使用不同的逻辑。我认为有两件事在起作用。

首先，看这个例子：

echo similar_text('test','wert'); // 1
echo similar_text('wert','test'); // 2

似乎它正在测试“在 param2 中找到 param1 上任何不同字符的次数”，因此如果您交换参数，结果会有所不同。它已被报告为一个错误，已被关闭为“按预期工作”。

现在，以上对于 PHP 和 javascript 实现都是相同的 - 参数顺序有影响，所以说 JS 代码不会这样做是错误的。这在错误条目中被认为是预期行为。

其次 - 似乎不正确的是 MYSQL/PHP 单词示例。这样，javascript 版本给出了 3 个与参数顺序无关的值，而 PHP 给出了 2 和 3（因此，百分比同样不同）。现在，短语“PHP IS GREAT”和“WITH MYSQL”应该有 5 个共同的字符，与您比较哪种方式无关：H、I、S 和 T，各一个，加一个表示空格。为了它们有 3 个字符，'H'、' ' 和 'S'，所以如果你看看排序，正确的答案应该是 3 双向。我将 C 代码修改为可运行的版本，并添加了一些输出，以便人们可以看到那里发生了什么（键盘链接）：

#include<stdio.h>

/* {{{ php_similar_str
 */
static void php_similar_str(const char *txt1, int len1, const char *txt2, int len2, int *pos1, int *pos2, int *max)
{
  char *p, *q;
  char *end1 = (char *) txt1 + len1;
  char *end2 = (char *) txt2 + len2;
  int l;

  *max = 0;
  for (p = (char *) txt1; p < end1; p++) {
    for (q = (char *) txt2; q < end2; q++) {
      for (l = 0; (p + l < end1) && (q + l < end2) && (p[l] == q[l]); l++);
      if (l > *max) {
        *max = l;
        *pos1 = p - txt1;
        *pos2 = q - txt2;
      }
    }
  }
}
/* }}} */


/* {{{ php_similar_char
 */
static int php_similar_char(const char *txt1, int len1, const char *txt2, int len2)
{
  int sum;
  int pos1, pos2, max;

  php_similar_str(txt1, len1, txt2, len2, &pos1, &pos2, &max);

  if ((sum = max)) {
    if (pos1 && pos2) {
      printf("txt here %s,%s\n", txt1, txt2);
      sum += php_similar_char(txt1, pos1,
                  txt2, pos2);
    }
    if ((pos1 + max < len1) && (pos2 + max < len2)) {
      printf("txt here %s,%s\n", txt1+ pos1 + max, txt2+ pos2 + max);
      sum += php_similar_char(txt1 + pos1 + max, len1 - pos1 - max,
                  txt2 + pos2 + max, len2 - pos2 - max);
    }
  }

  return sum;
}
/* }}} */
int main(void)
{
    printf("Found %d similar chars\n",
        php_similar_char("PHP IS GREAT", 12, "WITH MYSQL", 10));
    printf("Found %d similar chars\n",
        php_similar_char("WITH MYSQL", 10,"PHP IS GREAT", 12));
    return 0;
}

结果是输出：

txt here PHP IS GREAT,WITH MYSQL
txt here P IS GREAT, MYSQL
txt here IS GREAT,MYSQL
txt here IS GREAT,MYSQL
txt here  GREAT,QL
Found 3 similar chars
txt here WITH MYSQL,PHP IS GREAT
txt here TH MYSQL,S GREAT
Found 2 similar chars

所以可以看到，在第一次比较中，函数找到了'H'、' '和'S'，但没有找到'T'，结果为3。第二次比较找到了'I'和'T'但没有'H'、' ' 或 'S'，从而得到 2 的结果。

产生这些结果的原因可以从输出中看出：算法取第二个字符串包含的第一个字符串中的第一个字母，对其进行计数，并从第二个字符串中丢弃该字符之前的字符。这就是为什么它错过了中间的字符，这就是当您更改字符顺序时导致差异的原因。

那里发生的事情可能是有意的，也可能不是。但是，这不是 javascript 版本的工作方式。如果你在 javascript 版本中打印出相同的东西，你会得到这个：

txt here: PHP, WIT
txt here: P IS GREAT,  MYSQL
txt here: IS GREAT, MYSQL
txt here: IS, MY
txt here:  GREAT, QL
Found 3 similar chars
txt here: WITH, PHP 
txt here: W, P
txt here: TH MYSQL, S GREAT
Found 3 similar chars

显示 javascript 版本以不同的方式执行此操作。javascript 版本的作用是它发现 'H'、' ' 和 'S' 在第一次比较中的顺序相同，并且在第二次比较中也有相同的 'H'、' ' 和 'S' - 所以在在这种情况下，参数的顺序无关紧要。

由于javascript是为了复制PHP函数的代码，它需要表现一致，所以我根据@Khez的分析和修复提交了错误报告，现在已经合并。

first String = aaaaaaaaaa = 10 letters
second String = aaaaa = 5 letters

first five letters are similar
a+a
a+a
a+a
a+a
a+a
a
a
a
a
a


( <similar_letters> * 200 ) / (<letter_count_first_string> + <letter_count_second_string>)

( 5 * 200 ) / (10 + 5);
= 66.6666666667

说明 int similar_text ( string $first , string $second [, float &$percent ] )

这会计算两个字符串之间的相似度，如 Oliver [1993] 中所述。请注意，此实现不像 Oliver 的伪代码那样使用堆栈，而是使用递归调用，这可能会或可能不会加速整个过程。另请注意，该算法的复杂度为 O(N**3)，其中 N 是最长字符串的长度。参数

第一的

The first string.

第二

The second string.

百分

By passing a reference as third argument, similar_text() will calculate the similarity in percent for you.