PHP similar_text 怎样计算两个字符串的相似百分比

PHP 的 similar_text 是官方内置的字符串相似度计算函数，我们只需要传入对应字符串，再把相似度百分比变量以引用方式传入函数参数，就能直接得到两个字符串的相似百分比结果，实际用起来很方便。

similar_text 会先统计两个字符串中匹配到的共同字符总数，再结合两个字符串的总长度，自动换算输出 0 到 100 区间的相似度百分比数值。

PHP 的 similar_text() 可以同时给出匹配字符数和相似百分比。百分比不是一个需要手算的独立结果：传入第三个参数后，函数会把匹配字符数除以两段字符串长度的平均值，再乘以 100。比如 ab 与 a 的匹配数是 1，平均长度是 1.5，所以百分比约为 66.67%。

官方地址：https://www.php.net/manual/en/function.similar-text.php

迁移旧代码时，建议同时保存整数匹配数和百分比，并固定输入预处理、参数顺序与长文本策略。这样“相似”才有明确口径，而不会因为漏传引用参数或交换字符串出现难以解释的结果。

• 第二个参数是字符串，第三个参数是可选的引用变量。
• 返回值是匹配字符数，百分比通过第三个参数返回。
• 百分比的分母是两字符串长度的平均值，不是较长字符串长度。
• 官方手册提示交换两个输入的顺序可能得到不同结果。

先固定 similar_text 的函数契约

similar_text(string $string1, string $string2, ?float &$percent = null): int 的重点有两个：返回值属于函数调用表达式，百分比属于第三个引用参数。只接收返回值而不传第三个参数，并不会自动得到百分比；反过来只记录百分比，也会丢掉“匹配了多少字符”这个更容易审计的原始量。

用第三个参数取得相似百分比

下面的写法把两个结果都保留下来。代码中的百分比变量必须作为第三个参数传入，PHP 才会把计算结果写回变量。

这里的百分比可以写成公式 matched / ((strlen(left) + strlen(right)) / 2) * 100 来理解，但实际调用应优先使用第三个参数，避免在业务代码里重复实现函数契约。展示层再用 printf 控制小数位，数据库或规则判断则保留原始浮点值。

旧代码迁移时最容易踩的三个坑

我在把“字符串是否相似”的旧判断改成 similar_text() 时，最先检查的不是阈值，而是输入口径。第一，函数对大小写、空白和前后格式不会替业务自动统一；如果业务把这些差异视为无关，就在调用前显式规范化，并把规范化规则写进测试。第二，第三个参数是引用变量，不能传表达式或忘记接收。第三，参数顺序必须固定；官方示例已经说明交换顺序可能产生不同匹配数和百分比。

回归检查和性能边界怎么安排

替换旧实现后，至少保留以下样例：完全相同的字符串、只有大小写不同的字符串、一个为空的字符串、两段长度明显不同的字符串，以及同一对输入交换顺序的结果。空字符串不应被业务直接解释成“百分之百相似”，阈值规则要先由产品语义定义。

还要留意输入长度。PHP 手册说明该算法的复杂度为 O(N**3)，其中 N 是较长字符串的长度。它适合短文本、名称或候选值比较；如果输入变成长段正文，应先限制长度、分段，或重新评估更适合该任务的算法，不能只把超时阈值调大。

迁移清单

• 固定两个输入字段的顺序，并记录比较口径。
• 确定是否统一大小写、首尾空白和其他业务格式。
• 同时记录返回的匹配字符数与第三个参数的百分比。
• 为相同、空值、长短差异和交换顺序准备回归样例。
• 长文本先做长度策略，再决定是否继续使用 similar_text()。

常见问题

similar_text() 的百分比如何计算？

先得到匹配字符数，再除以两段字符串长度的平均值，最后乘以 100；第三个引用参数会接收这个百分比。

为什么交换两个参数后百分比变了？

该算法寻找最长公共子串并递归处理前缀和后缀，官方手册明确提示交换输入顺序可能导致不同结果，所以调用方要固定顺序。

只想判断是否超过阈值，是否可以只保留百分比？

可以，但建议在日志或排查路径保留匹配字符数；它能帮助区分“短字符串偶然达到高百分比”和“长字符串有足够匹配内容”。