> soundex | fonético | fuzzy <
// Soundex - algoritmo fonético para indexar nombres por sonido
Basado en sonido
Codifica los nombres según la pronunciación, no la ortografía.
Coincidencia difusa
Encuentra nombres que suenan parecido aunque se escriban distinto.
Genealogía
Herramienta esencial para genealogía y registros históricos.
>> información técnica
Cómo funciona Soundex:
Soundex mantiene la primera letra y reemplaza las consonantes por dígitos según grupos fonéticos. Las consonantes con sonido similar comparten el mismo número, se ignoran las vocales y el resultado se rellena o recorta a 4 caracteres (American) o longitud variable (Refined).
Reglas de codificación:
1 = B,F,P,V 2 = C,G,J,K,Q,S,X,Z 3 = D,T 4 = L 5 = M,N 6 = R Robert → R163 Rupert → R163 Rubin → R150
¿Por qué usar Soundex?:
- >Eliminación de duplicados en bases de datos
- >Investigación genealógica
- >Análisis de censos
- >Coincidencia de clientes
- >Corrección ortográfica
>> preguntas frecuentes
¿Qué es Soundex?
Soundex es un algoritmo fonético patentado en 1918 para indexar nombres por su sonido. Se diseñó para el censo de EE. UU. con el fin de encontrar apellidos con pronunciaciones similares a pesar de tener grafías distintas.
¿American vs. Refined Soundex?
American Soundex produce códigos de 4 caracteres (letra + 3 dígitos). Refined Soundex (usado, por ejemplo, en SQL Server) utiliza más grupos de dígitos y códigos de longitud variable para una mayor precisión.
¿Por qué diferentes grafías tienen el mismo código?
¡Ese es el objetivo! Soundex agrupa nombres que suenan parecido. Smith y Schmidt suenan de forma similar, de modo que reciben códigos parecidos y así es más fácil encontrar variantes en una base de datos.
¿Qué limitaciones tiene Soundex?
Soundex funciona mejor con nombres en inglés. Puede no manejar igual de bien otros idiomas y algunas grafías muy distintas de un mismo nombre pueden terminar con códigos diferentes.
// Referencia rápida
| Digit | Letters |
|---|---|
| 1 | B F P V |
| 2 | C G J K Q S X Z |
| 3 | D T |
| 4 | L |
| 5 | M N |
| 6 | R |
| — | A E I O U Y H W (skipped) |
// Ejemplos de código
1. Keep the first letter. 2. Replace the other letters with digits (table above). 3. Drop vowels and Y; H and W are skipped (letters on both sides of H/W with the same code collapse into one digit). 4. Collapse adjacent identical digits. 5. Pad with 0 or truncate to letter + 3 digits. Robert -> R163 Rupert -> R163 Rubin -> R150 Ashcraft -> A261 Tymczak -> T522 Pfister -> P236
>> Más preguntas
P: ¿Por qué Robert y Rupert tienen el mismo código Soundex?
R: Ambos empiezan por R y se codifican por grupos de consonantes: B/P → 1, R → 6, T → 3 da R163. Soundex agrupa consonantes de sonido parecido, por lo que las variantes de un mismo nombre suelen coincidir.
P: ¿Cómo trata Soundex la H y la W?
R: H y W se omiten y no separan: si las consonantes a ambos lados tienen el mismo código, cuentan como un solo sonido. Por eso Ashcraft da A261 y no A226. Las vocales sí separan.
P: ¿Cuáles son los límites de Soundex?
R: Se diseñó para nombres ingleses (patentes de 1918/1922 de Russell y Odell) e ignora el sonido tras la primera letra. Nombres con inicial distinta, como Catherine y Katherine, no coinciden.