Considerando apenas a implementação do algoritmo tenho uma função adaptada para o MySQL em que os fonemas foram analisados e melhorados conforme o passar do tempo para refletir as buscas realizadas em alguns sistemas. Ele pode conter algumas inconsistências (como no caso do "W" que não tem regra definida), mas resolve a grande maioria dos casos. Os detalhes da implementação estão comentados no decorrer do código:
DROP FUNCTION IF EXISTS transformar_fonetica;
DELIMITER $
CREATE FUNCTION transformar_fonetica(ptexto TEXT)
RETURNS TEXT
BEGIN
DECLARE vtexto TEXT;
DECLARE vtexto_apoio TEXT;
DECLARE vposicao_atual INT;
DECLARE vcaracter_anterior VARCHAR(1);
DECLARE vcaracter_atual VARCHAR(1);
DECLARE vcaracter_seguinte VARCHAR(1);
DECLARE vsom VARCHAR(2);
DECLARE com_acentos VARCHAR(65);
DECLARE sem_acentos VARCHAR(65);
SET vtexto = UPPER(ptexto);
SET com_acentos = 'ŠšŽžÀÁÂÃÄÅÆÈÉÊËÌÍÎÏÑÒÓÔÕÖØÙÚÛÜÝŸÞàáâãäåæèéêëìíîïñòóôõöøùúûüýÿþƒ';
SET sem_acentos = 'SsZzAAAAAAAEEEEIIIINOOOOOOUUUUYYBaaaaaaaeeeeiiiinoooooouuuuyybf';
SET vposicao_atual = LENGTH(com_acentos);
-- Remove acentos
WHILE vposicao_atual > 0 DO
SET vtexto = REPLACE(vtexto, SUBSTRING(com_acentos, vposicao_atual, 1), SUBSTRING(sem_acentos, vposicao_atual, 1));
SET vposicao_atual = vposicao_atual - 1;
end while;
-- Remove caracteres inválido
SET vposicao_atual = 1;
WHILE vposicao_atual <= LENGTH(vtexto) DO
SET vcaracter_atual = SUBSTRING(vtexto, vposicao_atual, 1);
IF INSTR('ABCÇDEFGHIJKLMNOPQRSTUVWXYZ ', vcaracter_atual) <> 0 THEN
SET vtexto_apoio = CONCAT(IFNULL(vtexto_apoio, ''), vcaracter_atual);
END IF;
SET vposicao_atual = vposicao_atual + 1;
END WHILE;
SET vtexto = vtexto_apoio;
-- Substitui os mais simples
SET vtexto = REPLACE(vtexto, 'Ç', 'S');
SET vtexto = REPLACE(vtexto, 'SH', 'X');
SET vtexto = REPLACE(vtexto, 'XC', 'S');
SET vtexto = REPLACE(vtexto, 'QU', 'K');
SET vtexto = REPLACE(vtexto, 'CH', 'X');
SET vtexto = REPLACE(vtexto, 'PH', 'F');
SET vtexto = REPLACE(vtexto, 'LH', 'LI');
SET vtexto = REPLACE(vtexto, 'NH', 'NI');
-- Remove duplicados. Menos o S que altera o som da sílaba
SET vposicao_atual = 1;
SET vtexto_apoio = '';
WHILE vposicao_atual <= LENGTH(vtexto) DO
SET vcaracter_atual = SUBSTRING(vtexto, vposicao_atual, 1);
IF vposicao_atual < LENGTH(vtexto) THEN
SET vcaracter_seguinte = SUBSTRING(vtexto, vposicao_atual + 1, 1);
ELSE -- Último caracter não tem motivo para ser verificado
SET vcaracter_seguinte = '';
END IF;
IF vcaracter_atual <> vcaracter_seguinte OR vcaracter_atual <> 'S' THEN
SET vtexto_apoio = CONCAT(vtexto_apoio, vcaracter_atual);
END IF;
SET vposicao_atual = vposicao_atual + 1;
END WHILE;
SET vtexto = vtexto_apoio;
-- Troca caracteres pelo som
SET vposicao_atual = 1;
SET vtexto_apoio = '';
WHILE vposicao_atual <= LENGTH(vtexto) DO
SET vcaracter_atual = SUBSTRING(vtexto, vposicao_atual, 1);
IF vposicao_atual < LENGTH(vtexto) THEN
SET vcaracter_seguinte = SUBSTRING(vtexto, vposicao_atual + 1, 1);
ELSE
SET vcaracter_seguinte = '';
END IF;
-- "B" seguindo de qualquer caracter que não seja "A", "E", "I", "O", "U", "R" ou "Y"
IF vcaracter_atual = 'B' AND INSTR('AEIOURY', vcaracter_seguinte) = 0 THEN
SET vsom = 'BI';
-- "C" seguindo de "E", "I" ou "Y"
ELSEIF vcaracter_atual = 'C' AND INSTR('EIY', vcaracter_seguinte) <> 0 THEN
SET vsom = 'S';
ELSEIF vcaracter_atual = 'C' THEN
SET vsom = 'K';
ELSEIF vcaracter_atual = 'D' AND INSTR('AEIOURY', vcaracter_seguinte) = 0 THEN
SET vsom = 'DI';
ELSEIF vcaracter_atual = 'G' AND INSTR('EIY', vcaracter_seguinte) <> 0 THEN -- GE, GI OU GY
SET vsom = 'J';
ELSEIF vcaracter_atual = 'G' AND vcaracter_seguinte = 'T' THEN -- GT
SET vsom = '';
ELSEIF vcaracter_atual = 'H' THEN -- O H é a única letra do nosso alfabeto sem valor fonético, ou seja, sem som.
SET vsom = '';
ELSEIF vcaracter_atual = 'N' AND INSTR('AEIOUY', vcaracter_seguinte) = 0 THEN -- Quando for seguida de uma consoante, recebe o som fechado "M"
SET vsom = 'M';
ELSEIF vcaracter_atual = 'P' AND INSTR('AEIOURY', vcaracter_seguinte) = 0 THEN
SET vsom = 'PI';
ELSEIF vcaracter_atual = 'Q' THEN
SET vsom = 'K';
-- QUA, QUE, QUI, QUO ou QUY
ELSEIF IFNULL(vcaracter_anterior, '') = 'Q' AND vcaracter_atual = 'U' AND INSTR('AEIOY', vcaracter_seguinte) <> 0 THEN
SET vsom = '';
-- Quando se localiza entre duas vogais, tem sempre o valor da sonora "Z". Exemplo: Coisa, faisão, mausoléu, lousa, Neusa, Brasil, Sousa, cheiroso, manhoso, gasoso, etc.
ELSEIF (IFNULL(vcaracter_anterior, '') <> '' AND INSTR('AEIOUY', IFNULL(vcaracter_anterior, '')) <> 0) AND vcaracter_atual = 'S' AND INSTR('AEIOUY', vcaracter_seguinte) <> 0 THEN
SET vsom = 'Z';
ELSEIF vcaracter_atual = 'S' AND vcaracter_seguinte = 'C' THEN -- "S" seguido de "C" não tem som
SET vsom = '';
ELSEIF vcaracter_atual = 'W' THEN -- O "W" não tem uma regra definida, podendo ser "V" ou "U" dependendo da palavra
SET vsom = 'V';
ELSEIF vcaracter_atual = 'X' AND INSTR('AEIOUY', vcaracter_seguinte) <> 0 THEN -- "X "seguido de vogal Exemplo: Exemplo
SET vsom = 'Z';
ELSEIF vcaracter_atual = 'X' AND INSTR('AEIOUY', vcaracter_seguinte) = 0 THEN -- "X" seguido de consoante. Exemplo: Exceção
SET vsom = 'S';
ELSEIF vcaracter_atual = 'Y' THEN
SET vsom = 'I';
ELSEIF vcaracter_atual = 'Z' AND INSTR('AEIOUY', vcaracter_seguinte) = 0 THEN
SET vsom = 'S';
ELSE
SET vsom = vcaracter_atual;
END IF;
SET vcaracter_anterior = vcaracter_atual;
SET vposicao_atual = vposicao_atual + 1;
SET vtexto_apoio = CONCAT(vtexto_apoio, vsom);
END WHILE;
SET vtexto_apoio = REPLACE(vtexto_apoio, 'SS', 'S'); -- Remove o "SS" que foi utilizado para decidir se continuava como "S" ou virava "Z"
SET vtexto = vtexto_apoio;
RETURN vtexto;
END
$
Algumas saídas de exemplo:
NEUSA | NEUZA
HERESIA | EREZIA
PALHA | PALIA
QUERO | KERO
EXIGIR | EZIJIR
HESITAR | EZITAR
Algumas com erro de ortografia:
ÇAPO | SAPO
EREZIA | EREZIA
ESITAR | EZITAR
LAGOZTA | LAGOSTA
HORIENTAR | ORIEMTAR
EDIT
Revisando as regras resolvi executar um algoritmo parecido mas em Java. Percebi que o "X" também não tem uma regra definida, portanto só é possível tratar alguns casos. Adicionei também o tratamento para o ~. O resultado foi o seguinte:
import java.text.Normalizer;
import java.util.LinkedHashSet;
public class Fonetica {
public String converterFrase(String frase) {
LinkedHashSet<String> palavras;
palavras = this.converter(frase.split(" "));
return String.join(" ", palavras);
}
public LinkedHashSet<String> converter(String... palavras) {
LinkedHashSet<String> resultado = new LinkedHashSet<>();
for (String palavra : palavras) {
resultado.add(this.converter(palavra));
}
return resultado;
}
public String converter(String palavra) {
palavra = palavra.toUpperCase();
palavra = palavra.replace("Ç", "SS");
palavra = palavra.replace("Y", "I");
palavra = palavra.replace("W", "V"); // "W" não tem uma regra definida, as vezes é "V", as vezes é "U"
palavra = palavra.replace("GT", "");
palavra = palavra.replace("Q", "K");
palavra = palavra.replace("SH", "X");
palavra = palavra.replace("CH", "X");
palavra = palavra.replace("PH", "F");
palavra = palavra.replace("LH", "LI");
palavra = palavra.replace("NH", "NI");
palavra = palavra.replace("H", ""); // O "H" é a única letra do nosso alfabeto sem valor fonético.
palavra = this.removerDuplicadas(palavra);
// Acentuações
palavra = palavra.replaceAll("([ÃÕ])([EO])", "$1-$2"); // Separa as sílabas
palavra = palavra.replaceAll("([ÃÕ])", "$1M");
palavra = this.removerAcentos(palavra);
palavra = palavra.replaceAll("([BDP])([^AEIOU]|$)", "$1I$2"); // "B", "D" e "P" mudos
palavra = palavra.replaceAll("C([AOUR])", "K$1"); // "CA", "CO" e "CU" viram "KA", "KO" e "KU" respectivamente
palavra = palavra.replaceAll("C([EI])", "SS$1"); // "CE" e "CI" viram "SSE" e "SSI" respecivamente
palavra = palavra.replaceAll("C([^AEIOU]|$)", "KI$1"); // "C" mudo tem som de "KI"
palavra = palavra.replaceAll("G([EI])", "J$1"); // "GE" e "GI" tem som de "JE" e "JI" respectivamente
palavra = palavra.replaceAll("L([^AEIOU]|$)", "U$1"); // Quando o "L" vem antes de consoante
palavra = palavra.replaceAll("N([^AEIOU]|$)", "M$1"); // Quando "N" for seguida de uma consoante, recebe o som fechado "M"
palavra = palavra.replaceAll("X([^AEIOU]|$)", "SS$1"); // Quando o "X" é seguido por uma vogal, tem som de "SS"
palavra = palavra.replaceAll("([AEIOU])S([AEIOU])", "$1Z$2");
palavra = palavra.replaceAll("Z([^AEIOU]|$)", "SS$1"); // "Z" seguido de vogal tem som de "SS"
palavra = palavra.replaceAll("S+", "S"); // Mais de 1 "S" vira apenas 1
palavra = palavra.replace("OU", "O"); // Quando o "U" segue o "O" não tem som
return palavra;
}
private String removerDuplicadas(String texto) {
String[] letras = "ABCDEFGHIJKLMNOPQRTUVWYXZ".split("");
for (String letra : letras) {
texto = texto.replaceAll(letra + "+", letra);
}
return texto;
}
private String removerAcentos(String texto) {
texto = Normalizer.normalize(texto, Normalizer.Form.NFD);
texto = texto.replaceAll("[\\p{InCombiningDiacriticalMarks}]", "");
return texto;
}
}
Funcionando no IDEONE