PHP similar_text 的调用参数顺序为什么可能影响结果

PHP similar_text的两个字符串参数不能默认互换。算法先选取一个最长公共连续子串，再对其两侧剩余区域递归匹配；当存在并列匹配时，扫描与选择位置可能因参数交换而变化，最终累计匹配量也可能改变。百分比分母虽然对称，分子不保证相同，因此百分比同样可能不同。

官方地址：https://www.php.net/manual/en/function.similar-text.php

先把相似度的方向写进业务约定

用于候选推荐时，应先约定“查询在前、候选在后”，并由一个公共函数统一调用。不要让列表页面使用similar_text(query, candidate)，而详情页倒过来写；两端即使共用阈值，也可能给出不同判断。

这里的生产目标是让评分可解释、可追踪，而不是把字符串相似度提升为身份确认或权限判断。相似文本不能证明是同一用户、同一订单或同一文件；权限与真实性应依据业务标识和独立规则处理。

顺序影响来自匹配子串的选择

官方手册明确提示交换参数可能产生不同结果。PHP 8.4分支源码中，匹配查找按第一个字符串位置在外层、第二个字符串位置在内层扫描，只在发现更长匹配时更新所选位置。同长度匹配不会简单替换已经选中的位置。

一旦所选最长子串的位置变了，前缀与后缀的划分也跟着改变；后续能够累积的匹配量便可能不同。图中这些区域表示静态分割关系，不是终端运行轨迹，也不代表算法枚举所有划分后选择全局最大匹配。

这不等于“每次交换都会不同”。没有竞争匹配，或两条递归路径累计量恰好一致时，结果可以相同。发现一组正反结果一致的输入，不能据此推翻参数顺序可能影响结果的规则。

similar_text返回整数匹配量，第三个引用参数得到百分比。按其实现语义，百分比相当于匹配量乘200，再除以两串长度之和。交换输入不会改变这个长度和，但可能改变匹配量；这正是“分母对称仍会不对称”的原因。

用一个入口固定参数顺序

下面是原创PHP 8风格示例，集中规定输入边界、空值策略和调用方向。示例未执行，输出取决于运行环境；它不声称这对样本一定产生不同结果，读者可替换为实际遇到的文本。

 256 || strlen($candidate) > 256) {
        throw new LengthException('text exceeds configured byte limit');
    }
    // 空值策略由业务明确规定，不让空记录参与相似度排名。
    if ($query === '' || $candidate === '') {
        throw new InvalidArgumentException('empty text is not scored');
    }

    $percent = 0.0;
    $matched = similar_text($query, $candidate, $percent);
    return [
        'matched_bytes' => $matched,
        'percent' => $percent,
        'policy' => 'query-first-v1',
    ];
}

// 原创样本用于观察双向结果；它不是固定输出或实测记录。
$query = 'catalog-blue-card';
$candidate = 'blue-catalog-card';
try {
    $forward = scoreCandidate($query, $candidate);
    $reverse = scoreCandidate($candidate, $query);
    // 明确标记方向，避免把两次调用混成同一分数。
    var_export(['query_first' => $forward, 'candidate_first' => $reverse]);
} catch (LengthException | InvalidArgumentException $e) {
    // 示例不记录原始文本，业务可返回自己的输入错误状态。
    echo $e->getMessage();
}

第三个参数必须是可写变量，因为函数通过引用回填percent。返回值与百分比不能互相混用：matched_bytes是整数累计量，percent才是百分数尺度，不能把前者直接与80之类的百分比门槛比较。

变量命名为matched_bytes，是为了明确该函数基于PHP字符串字节处理，不是自然语言词义评分。示例不自动去空格、转小写或做Unicode归一化；若业务需要这些预处理，应在同一入口中明确定义，并以处理后的输入评估阈值。

日志与阈值怎样避免误判

建议记录方向策略版本、输入字节长度、匹配量、百分比及候选标识。原始文本可能含业务内容，应按需要最小化记录，不必为了排查分数把完整内容写入所有请求日志。

第二张图把统一入口与结果字段关联起来。方向策略不是算法参数，而是应用对两个位置的约定；只有约定固定，跨页面、跨服务比较分数才有清晰依据。

如果业务确实需要交换输入后结果不变，可以自行定义双向分数的平均值、最小值或最大值。这些是新的业务评分规则，不是similar_text自带的“对称模式”，而且多一次计算。采用后要重新选择阈值，不能沿用单方向门槛并宣称含义不变。

手册给出的算法复杂度为O(N³)，N为较长输入长度。256字节只是示例上限；候选数量、字符串模式和请求并发都会影响实际成本。生产上应限制输入与候选规模，优先用业务索引缩小候选集，不要直接对任意长文做全库两两比较。

上线前保留哪些回归样本

可保留几类脱敏或人工输入：包含重复片段的字符串、片段顺序颠倒、完全相同、完全不同、大小写差异、空输入和长度超限。分别确认调用方向、空值处理、结果尺度以及上限策略符合自己的产品规则。这里是应用接入建议，不是本文声称已执行的测试结果。

这是编辑距离吗？不是。similar_text基于匹配片段累计，不能把它的返回值当成插入、删除与替换次数。

先把两串按字典序排序再调用可以吗？这可以定义一种固定顺序，解决同一无序文本对的调用一致性，但改变了原先“查询对候选”的方向约定，也不保证评分适合业务。需要作为新策略单独评估。

百分比相同就代表文本语义相同吗？不能。它不理解同义词、业务含义或身份关系，只反映所采用的字符串匹配计算。

参考：PHP similar_text官方说明、PHP 8.4字符串函数源码。