使用 C++ 实现 Soundex 算法

Question

简而言之，Soundex 算法将一系列字符更改为代码。 产生相同 Soundex 代码的字符被称为听起来相同。

• 代码是 4 个字符宽
• 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（至少在这个示例中，以及此后的代码，这是我将坚持的规则):

• b, p, v, f = 1
• c, g, j, k, q, s, x, z = 2
• d, t = 3
• l = 4
• m, n = 5
• r = 6
• 字母表中的所有其他字母属于组 0。

其他值得注意的规则包括：

• 属于组 0 的所有字母都将被忽略，除非您用完所提供单词中的字母，在这种情况下，代码的其余部分将用 0 填充。
• 相同的数字不能连续使用两次或多次，因此该字符将被忽略。 唯一的例外是上面带有多个 0 的规则。

例如，单词“Ray”将生成以下 Soundex 代码：R000（R 是所提供单词的第一个字符，a 属于第 0 组，因此被忽略，y 属于第 0 组，因此被忽略，没有更多字符，因此代码中剩余的 3 个字符为 0）。

我创建了一个函数，它已传递给它 1) 一个 128 字符数组，用于创建 Soundex 代码；2) 一个空的 5 字符数组，用于在函数完成时存储 Soundex 代码（以及通过引用传回，就像我的程序中使用的大多数数组一样）。

然而，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。 同时我不知道为什么。

// 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 循环内运行时，没有任何字符实际上转换为代码（即没有任何 if 语句实际运行）。

那么我做错了什么？ 任何帮助将不胜感激。

Answer 1

前者实际上是第一个 ascii 字符，而后者是字符“1”，而不是

scode[codeCount] = 1;

编写。

scode[codeCount] = '1';

在形成 char 数组时

Answer 2

C++ 不支持动态数组，您似乎正在尝试使用它。 您需要研究 std::string 类的使用。 我本质上你的循环变成这样：

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
       }
   }
}

Answer 3

您正在调用 strlen() ，而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值。 您可以通过在开始之前用“\0”填充“scode”来解决此问题，不过最好有一个单独的计数器，并在完成后添加“\0”。

Answer 4

这实际上是 C 实现而不是 C++。 不管怎样，你确定你的字符串是空终止的吗？ 否则 strlen 将不起作用。

这些建议将使您的代码更易于阅读和调试：

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