使用 C++ 实现 Soundex 算法

Posted 2023-02-22

【中文标题】使用 C++ 实现 Soundex 算法

【英文标题】：Soundex Algorithm implementation using C++

【发布时间】：2009-04-22 10:21:13

【问题描述】：

简单地说，Soundex 算法将一系列字符转换为代码。产生相同 Soundex 代码的字符被称为发音相同。

代码宽度为 4 个字符 代码的第一个字符始终是单词的第一个字符

字母表中的每个字符都属于一个特定的组（至少在本例中，此后的代码是我将坚持的规则）：

b, p, v, f = 1 c、g、j、k、q、s、x、z = 2 d, t = 3 l = 4 米，n = 5 r = 6 字母表中的每个其他字母都属于第 0 组。

其他值得注意的规则包括：

属于第 0 组的所有字母都将被忽略，除非您提供的单词中的字母已用完，在这种情况下，其余代码将用 0 填充。 同一数字不能连续使用两次或多次，因此该字符被忽略。唯一的例外是上面有多个 0 的规则。

例如，单词“Ray”将产生以下 Soundex 代码：R000（R 是所提供单词的第一个字符，a 是第 0 组的一部分，所以它被忽略，y 是第 0 组的一部分，所以它被忽略，没有更多字符，因此代码中剩余的 3 个字符为 0)。

我创建了一个已传递给它的函数 1) 一个 128 个字符的数组，用于创建 Soundex 代码和 2) 一个空的 5 个字符数组，用于在完成时存储 Soundex 代码函数（并通过引用传回，就像大多数数组在我的程序中使用一样）。

但是，我的问题是转换过程。我上面提供的逻辑在我的代码中并不完全有效。我也不知道为什么。

// CREATE A SOUNDEX CODE
// * Parameter list includes the string of characters that are to be converted to code and a variable to save the code respectively.
void SoundsAlike(const char input[], char scode[])

    scode[0] = toupper(input[0]); // First character of the string is added to the code

    int matchCount = 1;
    int codeCount = 1;
    while((matchCount < strlen(input)) && (codeCount < 4))
    
        if(((input[matchCount] == 'b') || (input[matchCount] == 'p') || (input[matchCount] == 'v') || (input[matchCount] == 'f')) && (scode[codeCount-1] != 1))
        
            scode[codeCount] = 1;
            codeCount++;
        
        else if(((input[matchCount] == 'c') || (input[matchCount] == 'g') || (input[matchCount] == 'j') || (input[matchCount] == 'k') || (input[matchCount] == 'q') || (input[matchCount] == 's') || (input[matchCount] == 'x') || (input[matchCount] == 'z')) && (scode[codeCount-1] != 2))
        
            scode[codeCount] = 2;
            codeCount++;
        
        else if(((input[matchCount] == 'd') || (input[matchCount] == 't')) && (scode[codeCount-1] != 3))
        
            scode[codeCount] = 3;
            codeCount++;
        
        else if((input[matchCount] == 'l') && (scode[codeCount-1] != 4))
        
            scode[codeCount] = 4;
            codeCount++;
        
        else if(((input[matchCount] == 'm') || (input[matchCount] == 'n')) && (scode[codeCount-1] != 5))
        
            scode[codeCount] = 5;
            codeCount++;
        
        else if((input[matchCount] == 'r') && (scode[codeCount-1] != 6))
        
            scode[codeCount] = 6;
            codeCount++;
        
        matchCount++;
    

    while(codeCount < 4)
    
        scode[codeCount] = 0;
        codeCount++;
    
    scode[4] = '\0';

    cout << scode << endl;

我不确定这是否是因为我过度使用了 strlen，但由于某种原因，当程序在第一个 while 循环中运行时，实际上没有任何字符被转换为代码（即实际上没有运行任何 if 语句)。

那我做错了什么？任何帮助将不胜感激。

【参考方案1】：

代替

scode[codeCount] = 1;

你应该写

scode[codeCount] = '1';

当你形成一个 char 数组时，前者实际上是第一个 ascii 字符，而后者是字符 '1'。

【参考方案2】：

C++ 不支持您似乎正在尝试使用的动态数组。您需要调查 std::string 类的使用。我本质上你的循环变成了这样：

void Soundex( const string & input, string & output ) 
   for ( int i = 0; i < input.length(); i++ ) 
       char c = input[i];        // get character from input
       if ( c === .... )        // if some decision
            output += 'X';       // add some character to output
       
       else if ( ..... )         // more tests
       
   

【讨论】：

我的字符数组有一个确定的长度。我忘了提到这一点（我已经更新了我的问题以反映这一点）。 matchstr 字符数组有 128 个元素，scode 字符数组有 5 个元素。

你应该还在使用 std::string。

虽然我非常感谢您的支持，以及您在回答我的问题时的及时性，但我不能使用我在课堂上尚未涉及的函数或依赖项。非常感谢您的支持。有其他选择吗？

我已经更新了代码以反映大家的建议。但是，它仍然没有做它应该做的事情。

习惯上将作业问题标记为“作业”。这意味着您不会得到诸如“使用 ”或“您应该这样做”之类的答案，这在实际应用程序中非常有用。

【参考方案3】：

您调用 strlen() 时没有在字符串中添加任何空字符终止符。所以 strlen() 的返回值可以是任何东西。您可以通过在开始之前用“\0”填充“scode”来解决此问题，尽管最好有一个单独的计数器并在完成后添加“\0”。

【讨论】：

我听从了您的建议，并为 scode 使用了另一个计数器，而不是使用 strlen（我知道 scode 的长度应该是 4 个字符，这是有道理的）。

【参考方案4】：

这实际上是一个 C 实现，而不是 C++。无论如何，你确定你的字符串是空终止的吗？否则 strlen 将不起作用。

这些建议可以让您的代码更易于阅读和调试：

在开始之前将您的输入转换为小写。测试非法字符。 定义一个变量，将其设置为 input[matchCount] 并使用它。这将使代码更具可读性。 我建议将 if-else 语句替换为 switch-case 语句。 适应默认情况（不调用 if-else 或 case 语句）

【讨论】：

我已经将 scode[4] 等同于 '\0'。谢谢。 matchstr 已经为空终止。现在，我只是得到输入字符串的第一个字符（此后减去乱码......我想这是我不应该阅读的记忆）。但是，仍然没有 soundex 代码。