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」。其在计算机科学家高德納名著《計算機程序設計藝術》都有詳細的介紹。

算法简要说明

第一步：保留第一个字母，去掉第一个字母之后的所有的a, e, i, o, u, y, h, w；

第二步：将英文字按以下规则替换（除第一个字符外）：

   b f p v -> 1
   c g j k q s x z -> 2
   d t -> 3
   l -> 4
   m n -> 5
   r -> 6

第三步：对于相邻的重复的数字只保留一个，即相邻的两个被替换为同一个数字的字母只保留一个；例外，如果在第一步驟的時候，這兩個相同數字中間有母音隔開，則這兩個重複的數字都保留(例如Tynczak為T522非T520)。並且請注意，雖然第一個字母不用翻成數字，但如果其數字和第二個數字相同，仍須把第二個數字刪除。(例如Pfister為P236非P123，Honeyman是H555非H500)

第四步：保留第一个字母后的三位数字，若不足三位则以0补足。

实例：

单词	Soundex
Knuth	K530
Kant	K530
Jarovski	J612
Resnik	R252
Reznick	R252
Euler	E460
Peterson	P362
Jefferson	J162

外部链接

The Soundex Indexing System（页面存档备份，存于互联网档案馆） (U.S. National Archives and Records Administration)