可以使用此 soundex 编码的一些帮助

Question

美国人口普查局使用一种名为“soundex”的特殊编码来查找有关个人的信息。 soundex 是基于姓氏发音而非拼写方式的姓氏编码。听起来相同但拼写不同的姓氏（例如 SMITH 和 SMYTH）具有相同的代码并一起归档。 soundex 编码系统的开发是为了让您可以找到姓氏，即使它可能以各种拼写形式记录。

在本实验中，您将设计、编码并记录一个程序，该程序在输入姓氏时生成 soundex 代码。系统将提示用户输入姓氏，程序应输出相应的代码。

基本 Soundex 编码规则

姓氏的每个 soundex 编码均由一个字母和三个数字组成。使用的字母始终是姓氏的第一个字母。根据如下所示的 soundex 指南，将数字分配给姓氏的其余字母。如有必要，会在末尾添加零以始终生成四字符代码。附加字母将被忽略。

Soundex 编码指南

Soundex 为各种辅音分配一个编号。发音相似的辅音分配相同的编号：

辅音编号

1 B、F、P、V 2 C、G、J、K、Q、S、X、Z 3D、T 4升 5M、N 6 R

Soundex 忽略字母 A、E、I、O、U、H、W 和 Y。

还遵循 3 个附加 Soundex 编码规则。良好的程序设计会将这些功能实现为一个或多个单独的功能。

规则 1. 姓名中含有双字母

如果姓氏中含有双字母，则应将其视为一个字母。例如：

• Gutierrez 编码为 G362（G，3 表示 T，6 表示第一个 R，忽略第二个 R，2 表示 Z）。

规则 2. 具有相同 Soundex 代码编号的并排字母的姓名

如果姓氏并排具有不同字母且在 soundex 编码指南中具有相同编号，则应将它们视为一个字母。示例：

• Pfister 编码为 P236（P、F 被忽略，因为它被视为与 P 相同，2 代表 S，3 代表 T，6 代表 R）。

• Jackson 编码为 J250（J、2 代表 C、K 被忽略，与 C 相同、S 被忽略、与 C 相同、5 代表 N、添加 0）。

规则 3. 辅音分隔符

3.a.如果元音 (A、E、I、O、U) 分隔具有相同 soundex 代码的两个辅音，则对元音右侧的辅音进行编码。示例：

• Tymczak 编码为 T-522（T、M 为 5、C 为 2、Z 被忽略（请参阅上面的“并排”规则）、K 为 2）。由于元音“A”将 Z 和 K 分开，因此对 K 进行编码。

3.b.如果“H”或“W”分隔具有相同 soundex 代码的两个辅音，则右侧的辅音不被编码。示例：

*Ashcraft 编码为 A261（A、2 代表 S，C 被忽略，因为与 S 相同，中间有 H，6 代表 R，1 代表 F）。它的编码不是 A226。

到目前为止，这是我的代码：

surname = raw_input("Please enter surname:")
outstring = ""

outstring = outstring + surname[0]
for i in range (1, len(surname)):
    nextletter = surname[i]
    if nextletter in ['B','F','P','V']:
        outstring = outstring + '1'

    elif nextletter in ['C','G','J','K','Q','S','X','Z']:
        outstring = outstring + '2'

    elif nextletter in ['D','T']:
        outstring = outstring + '3'

    elif nextletter in ['L']:
        outstring = outstring + '4'

    elif nextletter in ['M','N']:
        outstring = outstring + '5'

    elif nextletter in ['R']:
        outstring = outstring + '6'

print outstring

该代码足以满足要求，我只是不确定如何编写这三个规则。这就是我需要帮助的地方。因此，我们非常感谢任何帮助。

Answer 1

这里有一些关于一般 Python 内容的小提示。

0) 可以使用for循环来循环任何序列，字符串算作一个序列。所以可以这样写：

for nextletter in surname[1:]:
    # do stuff

这比计算索引、索引姓氏更容易写、更容易理解。

1) 您可以使用+=运算符附加字符串。 而不是

x = x + 'a'

写

x += 'a'

您将需要跟踪上一封信， “As”来寻求对您的具体问题的帮助。如果您的作业有一条规则，规定“一行中的两个 'z' 字符应编码为 99”，您可以添加如下代码：

def rule_two_z(prevletter, curletter):
    if prevletter.lower() == 'z' and curletter.lower() == 'z':
        return 99
    else:
        return -1


prevletter = surname[0]
for curletter in surname[1:]:
    code = rule_two_z(prevletter, curletter)
    if code < 0:
        # do something else here
    outstring += str(code)
    prevletter = curletter

嗯，您正在编写代码以返回字符串整数，例如 '3'，而我编写的代码返回一个实际的整数，然后在将其添加到字符串之前对其调用 str() 。无论哪种方式都可能没问题。

祝你好运！

Answer 2

一些提示：

• 通过使用一个数组，其中每个 Soundex 代码都由它对应的字母的 ASCII 值（或其派生的较短数字范围内的值）存储和索引，您将使代码变得高效并且更具可读性。这是一种非常常见的技术：理解、使用和重用；-)

• 在解析输入字符串时，您需要跟踪（或比较）之前处理的字母以忽略重复的字母，并处理其他规则。 （如文章中所暗示的，在单独的函数中实现这些）。这个想法可能是引入一个函数，负责为正在处理的输入的当前字母添加 soundex 代码。该函数将依次调用每个“规则”函数，可能根据某些规则的返回值提前退出。换句话说，替换系统...

    outstring = outstring + c    # btw could be +=
...with
    outstring += AppendCodeIfNeeded(c)

• 注意，这种多功能的结构对于这种琐碎的逻辑来说是大材小用，但作为实践来做一下也未尝不可。