Question

我正在测试C＃的metaphone实现，并将其结果与PHP内置的metaphone（）函数进行比较。但是，我遇到了一个错误（previously documented in PHP's issue tracker并在a mailing list上讨论过），但我正在尝试根据自己的个人兴趣了解其错误背后的C代码。

基本上，根据metaphone算法，大多数-gh-的实例应该是静默的。在“wright”的具体测试用例中，我期望（并使用我自己的算法生成）一个“RT”的互联网密钥

"wr" => R
"i"  => ignored
"gh" => ignored
"t"  => T

Result: RT

但是，PHP的metaphone功能会返回RFT。很明显，它正在将-gh-转换为F，好像它在一个单词的末尾（例如“粗略”），但在“wright”这个词的情况下，这是不正确的，因为-gh-不是在这个词的最后。查看PHP源代码发行版中的metaphone.c文件，我看到了一些关键的东西：

/* These prevent GH from becoming F */
#define NOGHTOF(c)  (ENCODE(c) & 16)    /* BDH */

...

/* Go N letters back. */
#define Look_Back_Letter(n) (w_idx >= n ? toupper(word[w_idx-n]) : '\0')

然后在第342行：

case 'G':
    if (Next_Letter == 'H') {
        if (!(NOGHTOF(Look_Back_Letter(3)) || Look_Back_Letter(4) == 'H')) {
            Phonize('F');
            skip_letter++;

有人可以帮助我理解NOGHTOF函数到底是做什么的，以及为什么这段代码错误地为“wright”中的-gh-呈现F？我不是一个真正的C家伙，所以代码对我来说根本不清楚。

Answer 1

NOGHTOF(c)的含义实际上取决于从第81行开始的代码：

char _codes[26] = {
        1, 16, 4, 16, 9, 2, 4, 16, 9, 2, 0, 2, 2, 2, 1, 4, 0, 2, 4, 4, 1, 0, 0, 0, 8, 0
    /*  a  b   c  d   e  f  g  h   i  j  k  l  m  n  o  p  q  r  s  t  u  v  w  x  y  z */
};

#define ENCODE(c) (isalpha(c) ? _codes[((toupper(c)) - 'A')] : 0)

基本上，按顺序为字母表中的每个字母分配一个值（A = 1，B = 16等）然后ENCODE宏检查传递的字符是否为字母;如果是，则返回该字母的相应代码，否则返回null字符。（它并没有真正返回任何内容，因为这是一个宏，在编译时被编译器替换以替换实际的调用。）

我阅读'G'代码的方式是这样的（不试图了解原因）：

If current letter is G then
    If next letter is H then
        Take "_code" value of a letter three letters back (why?) from the _codes table and check the fifth bit (from the back, naturally)
        If this bit is not set OR if a letter four letters back (why?) is 'H' then
            Add 'F' to the result
            skip one more character (letter 'H' following the 'G')

为什么它会超出我的范围，我很确定有人有充分的理由以这种方式写它，但这对我来说似乎是一个明显的错误。

PHP metaphone实现错误

1 个答案: