我正在开发一个跟踪帮助台条目的Web应用程序 . 我们希望找到一种方法来阻止人们复制和粘贴关于常见问题的注释 - 我们希望为每次调用问题编写原始的帮助台条目 .
无论如何，我们有成千上万的条目，其中一些是相似的，我试图找到一种方法将它们全部比较，并指出任何与其他条目非常相似的条目，即80％可能是直接拷贝等
我已经研究过similar_text（）和其他一些内置的PHP函数，但我很想听听其他人是否曾做过类似的事情 . 我不相信我可以有效地使用similar_text（）因为我需要相互比较多个条目，而不是两个字符串 .
任何输入都表示赞赏 .
3 回答
我认为similar_text（）会做你想要的 . 只要你的机器有足够的内存来处理比较，它应该可以正常工作 . 另请参阅levenshtein（）和soundex（） .
您可能需要考虑尝试使用Solr数据库 . 虽然您的最终架构可能包含许多不同的字段，但主字段的类型为“text”，并且将包含帮助台条目的文本 . 默认的Solr架构（不需要修改）会自动对文本字段中的数据进行标记，对数据进行索引，以便找到搜索同义词，“城市”将匹配“城市”等 .
最后，使用Solr，从性能角度和功能角度来看，您最终都将获得可扩展的解决方案 .
首先，你为什么关心？如果这是一个可以通过复制和粘贴来回复的常见问题，为什么这不是正确的做法？听起来你为了工作会产生更多的工作 .
第二关，你可以看看像：http://en.wikipedia.org/wiki/W-shingling
如果此处提供的其他选项不够 .