答案1
我认为这相当复杂。它是自然语言编程的一个分支（而不是另一个 NLP，神经语言学）。您需要能够匹配“here”和“hear”——因此您需要分解元素，并将它们映射到语音等价物（h-“ere”和 h-“ere”）。有些拼写有变体语音（cough、plough、through）或更糟糕的同音异义词（the there、they're、their group），这些可能因地区而异（例如，在英国，garage、graph 和 glass 中的长或短“a”）。当您进行语音等价时，它们并不总是单数。
一旦你有了语音等价，你就可以使用各种启发式方法来最小化它们之间的差异。对于诗歌，你可能需要过度强调结尾的权重——押韵主要取决于词尾。你可能也希望诗歌采用头韵——悦耳的头韵可能需要不同的权重。
我会参加一门免费的在线大学 NLP 课程 - 目前有好几门。这些课程能更好地为解析语言的现代技术打下基础。:)
答案2
您可以在相同长度的字符串之间使用字符串比较，并允许一个（或两个）不匹配的字符。
不过，通过查看您的网站，我建议根据单词的语音表示来映射单词，然后对其进行搜索，将字符串视为字符数组，然后从后面开始进行比较。
在您的示例基础上构建：near -> \'nir\ pear -> \'per\ dear -> \'dir\ rear -> \'rir\ 或 \'rer\ here -> \'hir\
（此处我从 Merriam-Webster 在线词典中摘录了语音符号）
恐怕映射应该作为查找表来完成，并且无法编译，因为英语没有很强的发音规则......
无论如何，一旦你映射了你的单词，你就可以比较它们的最后一个音素：在这种情况下，你可能想要寻找以“ir \”结尾的单词（在这种情况下，这将排除“pear”）。
这种方法看起来效率不高：如果我可以使用一些磁盘空间，我会保存搜索以供将来参考：因此当第二次使用查找所有与“near”押韵的单词时，应用程序只会加载已保存的搜索 - 因为字典通常不会发展得太快。