php-mysql

Các ký tự lạ trong mẫu hơn 230 ngàn họ tên mà tôi có không nhiều, vì dữ liệu đầu vào đã khá chuẩn chỉnh rồi. Trong mẫu tỷ lệ chưa đến 0,1% dữ liệu dạng này. Ký tự lạ là các ký tự ngoài các chữ cái. Tạm thời không phân biệt tên nước ngoài, tên lai (tức là chấp nhận các ký tự f, j, w, z – phần này sẽ được lọc ở hàm khác). Các ký tự lạ này phần lớn là dạng chủ động, tức là người nhập liệu ý thức được việc này. Mục …

Đọc thêm

Lỗi dính họ tên có tỷ lệ không quá lớn, trong dữ liệu tôi khảo sát, con số nằm trong khoảng 0,2 – 0,3%. Ví dụ về lỗi dính họ tên: Nguyễn ĐứcAnh Một trong điều dễ chịu với lỗi này là lỗi dính họ tên rất dễ phát hiện, và cũng dễ sửa. Để đảm bảo quá trình chỉnh sửa có tỷ lệ chính xác cao và đáng tin cậy, việc tách từ dính được tiến hành như sau. Dựa trên ký tự viết hoa: Dựa trên ký tự Viết Hoa của từ, như trong ví dụ Nguyễn ĐứcAnh …

Đọc thêm

Trước tôi có viết hàm chuyển dấu thanh, nó hoạt động tốt, nhưng mã rối, mà mã rối thì có vẻ vẫn không ổn rồi, nên hôm nay tôi sẽ viết lại. Về quy tắc đặt dấu thanh chúng ta dùng kiểu cũ, phổ biến hơn. Chúng ta sẽ không tranh cãi về mặt học thuật liên quan đến ngôn ngữ học, mà chỉ tập trung vào việc chuyển dấu để thống nhất. Có thống nhất được vị trí dấu thì các xử lý liên quan đến tiếng Việt mới chính xác được, khi nào có khả năng tôi sẽ …

Đọc thêm

Đã có phiên bản plus của hàm kiểm tra chính tả tiếng Việt, cho độ chính xác cải thiện thêm khoảng 20% so với hàm trong bài này. — Trong bài viết này tôi sẽ trình bày và viết hàm PHP phát hiện lỗi chính tả ở mức độ đơn giản, dù không đạt kết quả ấn tượng, nó vẫn loại trừ được khá nhiều trường hợp sai lỗi chính tả điển hình. Hàm này cần có các require sau trên cùng file để chạy: Các mảng nguyên âm, phụ âm tiếng Việt; Các hàm chuyển đổi mã hex; Các …

Đọc thêm

Phần này tôi sẽ xây dựng các hàm để thao tác sâu hơn với chuỗi tiếng Việt nói chung, và họ tên người Việt nói riêng. Cái này sẽ sử dụng các function độc lập trước đó là: Các hàm chuyển mã hex; Các mảng phụ âm, nguyên âm, dấu tiếng Việt; Mã đầy đủ (phần giải thích cho từng hàm có dưới mã đầy đủ): 1. Loại bỏ khoảng trắng dư thừa trước, sau một từ Hai hàm cơ bản được dùng là: trim dùng để loại bỏ khoảng trắng trước và sau chuỗi; preg_replace để tìm 2 khoảng …

Đọc thêm

Đây là các hàm PHP tôi thường sử dụng để thao tác với họ tên người tiếng Việt. Tiền tố vnn trong tên hàm là viết tắt cho từ vietnamese names. Các function trong file dưới đây là độc lập, nó không cần require đến file .php khác để hoạt động. Khi thao tác file này yêu cầu ngoài bản thân nó, còn có require đến file xử lý chuỗi tiếng Việt để chạy. Mã tổng hợp (phần giải thích cho từng function có ở phần sau mã tổng hợp): 1. Đếm số lượng từ trong tên Loại bỏ khoảng …

Đọc thêm

Khi tôi định viết lại các hàm tách từ tiếng Việt dính trong tên người (ví dụ nguyễn đứcanh), và hàm sửa thả dấu tiếng Việt trong tên người (ví dụ ngũyên đức anh), tôi bỗng nhận ra sự thiếu các mảng tiêu chuẩn phản ánh các đặc điểm của chữ viết tiếng Việt làm cho kết quả giảm độ chính xác. Vậy nên hôm nay tôi sẽ cập nhật các mảng này, chủ yếu là nhờ tìm hiểu thêm một số kiến thức căn bản về nguyên âm và phụ âm trong tiếng Việt. (PS: vì kiến thức ngôn …

Đọc thêm