Comparacion de mayor similitu de cadenas

raztafari123 · #1 (**permalink**) 07/04/2009, 16:00

hola que tal, estoy tratando de hacer una funcion que me compare cadenas, exactamente direcciones domiciliarias, ejemplo:

Código PHP:

  <?php

$dir1 = "AVENIDA FAUCETT 365 STAND 5 URB=MARANGA";

$dir2 = "AV FAUCETT 365 STAND 5 URB. MARANGA";

?>

usando mi criterio pense en usar

Código PHP:

  function OptimaDir ($cadena){

    $cadena = strtoupper($cadena)

    $cadena = str_replace (" AVENIDA ", " ", $cadena );

    $cadena = str_replace (" AV. ", " ", $cadena ); 

    $cadena = str_replace (" AV ", " ", $cadena ); 

    $cadena = str_replace (" URBANIZACION ", " ", $cadena );

    $cadena = str_replace (" URBANIZ. "," ",$cadena);

    $cadena = str_replace (" URB=", " ", $cadena );

    $cadena = str_replace (" URB.", " ", $cadena );

    $cadena = str_replace ("URB=", " ", $cadena );

    $cadena = str_replace (" URB ", " ", $cadena ); 

    $cadena = str_replace (" CALLE ", " ", $cadena );

    $cadena = str_replace (" CA.", " ", $cadena );

    $cadena = str_replace (" CA ", " ", $cadena );

    $cadena = str_replace (" CL ", " ", $cadena ); 

    $cadena = str_replace (" PASAJE ", " ", $cadena ); 

    $cadena = str_replace (" PJ.", " ", $cadena ); 

    $cadena = str_replace (" PJ ", " ", $cadena ); 

    $cadena = str_replace (" ASOCIACION ", " ", $cadena ); 

    $cadena = str_replace (" ASOC. ", " ", $cadena ); 

    $cadena = str_replace (" ASOC ", " ", $cadena ); 

    $cadena = str_replace (" ASENTAMIENTO HUMANO ", " ", $cadena ); 

    $cadena = str_replace (" A.HUMANO ", " ", $cadena );

    $cadena = str_replace (" AA.HH. ", " ", $cadena ); 

    $cadena = str_replace (" AAHH ", " ", $cadena );

    $cadena = str_replace (" AH ", " ", $cadena );

    $cadena = str_replace (" NUMERO ", " ", $cadena );

    $cadena = str_replace ("LOTE=", " ", $cadena );

    $cadena = str_replace (" LOTE ", " ", $cadena );

    $cadena = str_replace (" L.T. ", " ", $cadena );

    $cadena = str_replace (" LT.", " ", $cadena );

    $cadena = str_replace (" LT. ", " ", $cadena );

    $cadena = str_replace (" LT ", " ", $cadena );

    $cadena = str_replace (" LT-", " ", $cadena );

    $cadena = str_replace (" LT=", " ", $cadena );

    $cadena = str_replace (" INTERIOR ", " ", $cadena );

    $cadena = str_replace (" INT. ", " ", $cadena );

    $cadena = str_replace (" INT ", " ", $cadena );

    $cadena = str_replace (" MZ. ", " ", $cadena );

    $cadena = str_replace (" MZ-", " ", $cadena );

    $cadena = str_replace (" MZ=", " ", $cadena );

    $cadena = str_replace (" MZ ", " ", $cadena );

    $cadena = str_replace (" JIRON ", " ", $cadena );

    $cadena = str_replace (" JR. ", " ", $cadena );

    $cadena = str_replace (" JR ", " ", $cadena );

    $cadena = str_replace (" DEP. ", " ", $cadena );

    $cadena = str_replace (" DEP ", " ", $cadena );

    $cadena = str_replace (" DP ", " ", $cadena );

    $cadena = str_replace (" P-", " ", $cadena );

    $cadena = str_replace (" P ", " ",$cadena);

    return $cadena;

}

para quitar las palabras comunes o preestablecidas como URBANIZACION = URB. = URB y despues comparar asi

Código PHP:

  if(OptimaDir($dir1) == OptimaDir($dir2));

echo cadenas iguales;

}

pero necesito hallar una forma mas optima en la cual contemple una variacion minima de caracteres, agradeceria mucho la ayuda

GatorV · #2 (**permalink**) 07/04/2009, 17:03

Tema trasladado desde PHP Orientado a Objetos.

Genetix · #3 (**permalink**) 07/04/2009, 17:13

Hola
Puedes usar la función similar_text para que te muestre la similitud
http://www.php.net/manual/es/function.similar-text.php

Saludos!

Surfiction · #4 (**permalink**) 07/04/2009, 17:26

Esta puede funcionar para lo que necesitas...devuelve el % de similitud

Segun yo lo que hace es

1. Limpiar la cadena dejando solamente letras
2. Eliminando los espacios dobles entre las palabras
3. Compara cada palabra del array mas largo en el mas pequeño y va contando las coincidencias.

Código PHP:

   
function str_compare($str1, $str2) {

    $count = 0;

    

    $str1 = ereg_replace("[^a-z]", ' ', strtolower($str1));

    while(strstr($str1, '  ')) {

        $str1 = str_replace('  ', ' ', $str1);

    }

    $str1 = explode(' ', $str1);

    

    $str2 = ereg_replace("[^a-z]", ' ', strtolower($str2));

    while(strstr($str2, '  ')) {

        $str2 = str_replace('  ', ' ', $str2);

    }

    $str2 = explode(' ', $str2);

    

    if(count($str1)<count($str2)) {

        $tmp = $str1;

        $str1 = $str2;

        $str2 = $tmp;

        unset($tmp);

    }

    

    for($i=0; $i<count($str1); $i++) {

        if(in_array($str1[$i], $str2)) {

            $count++;

        }

    }

    

    return $count/count($str2)*100;

}

raztafari123 · #5 (**permalink**) 08/04/2009, 12:45

Muchas gracias por la ayuda, pero se me olvido decirles que las cadenas que se comparan son de 2 dos vectores el primero aproximadamente de 6500 mas o menos que proviene de una consulta y el segundo de 500 a 1400 mas o menos que proviene de otra consulta, y se comparan cuantas del segundo vector se repiten en el primero pero como comente son direcciones, y al ejecutar el escript el tiempo de respuesta es demasiado.

estaba pensando en usar el motor de base de datos crear tablas temporales y ahi insertartar las consultas y hacer un cruce para compararlas. me imagino que sera mas rapido, otra detalle es que mi servidor es un poco antiguo pIV 3.2 y RAM 521mb el presupuesto hasta ahora no cubre para otro, agradeceria un consejo ante esta situacion pq el proceso es demasiado y hace que mi servidor no responda rapido a tras peticiones.