Soundex

Soundex是一种语音算法，利用英文字的读音计算近似值，值由四个字符构成，第一个字符为英文字母，后三个为数字。在拼音文字中有时会有会念但不能拼出正确字的情形，可用Soundex做类似模糊匹配的效果。例如Knuth和Kant二个字符串，它们的Soundex值都是「K530」。其在電腦大師高德納名著《計算機程序設計藝術》都有詳細的介紹。

算法简要说明

• 将英文字按以下规则替换（除第一个字符外）：

   a e h i o u w y -> 0
   b f p v -> 1
   c g j k q s x z -> 2
   d t -> 3
   l -> 4
   m n -> 5
   r -> 6

• 去除0，对于重复的字符只保留一个

• 返回前4个字符，不足4位以0补足

以Knuth和Kant为例：

   Knuth -> K5030 -> K53 -> K530
   Kant  -> K053  -> K53 -> K530

外部链接

• The Soundex Indexing System (U.S. National Archives and Records Administration)