Olá Daniel Marcelino, precisaria de uma ajuda sua no soundex. Verifiquei que erros de digitação não são captados pelo SoundexBR. Exemplo: ?MARIA e MARIA, PE8DRO e PEDRO. Será que seria tranquilo para você implementar algumas coisas? Estou enviando um script que fiz com teste para alguns caracteres. Desde já muito obrigada. Abs Fátima soundexBR<-function(termo){ termo<-toupper(termo) # 1. Retire toda pontuação da palavra; termo<-gsub("[ÃÁÀÂÄ]","A",termo) termo<-gsub("[ÉÈÊ?Ë]","E",termo) termo<-gsub("[ÍÌÏÎI]","I",termo) termo<-gsub("[ÓÕÒÔÖ]","O",termo) termo<-gsub("[ÚÙÛÜU]","U",termo) termo<-gsub("Ç","C",termo) #1.a Substituir todas as letras duplas por uma única letra #http://www.archives.gov/genealogy/census/soundex.html termo<-gsub("([A-Z])\\1", "\\1", termo) # 2. Fique com a primeira letra; N<-nchar(termo) # Modificação PT-BR (Coeli e Camargo) termo<-ifelse(substr(termo,1,2)=="WA",sub("W","V",termo),termo) termo<-ifelse(substr(termo,1,1)=="H",substr(termo,2,N),termo) termo<-ifelse(substr(termo,1,2)=="KA"|substr(termo,1,2)=="KO"|substr(termo,1,2)=="KU",sub("K","C",termo),termo) termo<-ifelse(substr(termo,1,1)=="Y",sub("Y","I",termo),termo) termo<-ifelse(substr(termo,1,2)=="CE"|substr(termo,1,2)=="CI",sub("C","S",termo),termo) termo<-ifelse(substr(termo,1,2)=="GE"|substr(termo,1,2)=="GI",sub("G","J",termo),termo) ############## Segunda Parte ####################### termo.1<-substr(termo,1,1) termo<-substr(termo,2,N) # 3. Mude todas as ocorrências das letras a seguir por '0' (zero): 'A','E','I','O','U','H','W','Y'; termo<-gsub("[A,E,I,O,U,H,W,Y]",0,termo) # 4. Mude as letras restantes de acordo com a tabela abaixo: # Número Letra # 1 'B','F','P','V' termo<-gsub("[B,F,P,V]",1,termo) # 2 'C','G','J','K', 'Q','S','X','Z' termo<-gsub("[C,G,J,K,Q,S,X,Z]",2,termo) # 3 'D','T' termo<-gsub("[D,T]",3,termo) # 4 'L' termo<-gsub("L",4,termo) # 5 'M','N' termo<-gsub("[M,N]",5,termo) # 6 'R' termo<-gsub("R",6,termo) # 5. Remova todos os zeros da string resultante; termo<-gsub(0,"",termo) # Eliminar dois numeros iguais consecutivos por um único numero #http://www.archives.gov/genealogy/census/soundex.html termo<-gsub("([0-9])\\1", "\\1", termo) # Remontar termo<-paste(termo.1,termo,sep="") # 6. Preencha a string resultante com zeros à direita e retorne desta forma: #<letra maiuscula><digito><digito><digito> termo<-paste(termo,"0000",sep="") termo<-substr(termo,1,4) return(termo) } soundexBR("termo") soundexBR("terno") nomea=data.frame(nome=c("GER?D","HARTMUT","RALF","STEFAN","ROBERT")) nomea nomeb=data.frame(nome=c("HARTMUT","GERD","ROBERT","STEFAN","RALF")) nomeb fonoa=soundexBR(nomea$nome) fonob=soundexBR(nomeb$nome) library(RecordLinkage) pairs.mat = outer(fonoa,fonob, "==") pairs.mat #Ponto de interrogação nomea=data.frame(nome=c("GER?D","HARTMUT","?RALF","STEFAN","ROBERT")) nomea nomeb=data.frame(nome=c("HARTMUT?","GERD","ROBERT","STEFAN","RALF")) nomeb fonoa=soundexBR(nomea$nome) fonob=soundexBR(nomeb$nome) pairs.mat = outer(fonoa,fonob, "==") pairs.mat #Não funciona com o ? no início ############################################################################### #Barras inclinadas / nomea=data.frame(nome=c("GER/D","/HARTMUT","RALF/","STEFAN","ROBERT")) nomea nomeb=data.frame(nome=c("HARTMUT","GERD","ROBERT","STEFAN","RALF")) nomeb fonoa=soundexBR(nomea$nome) fonob=soundexBR(nomeb$nome) pairs.mat = outer(fonoa,fonob, "==") pairs.mat #Não funciona com a barra inclinada #Barras inclinadas \ nomea=data.frame(nome=c("GER\D","\HARTMUT","RALF\","STEFAN","ROBERT")) nomea #O R rejeita a \ #Parênteses ( nomea=data.frame(nome=c("GER(D","(HARTMUT","RALF(","STEFA)N","ROBERT)")) nomea nomeb=data.frame(nome=c("HARTMUT","GERD","ROBERT","STEFAN","RALF")) nomeb fonoa=soundexBR(nomea$nome) fonob=soundexBR(nomeb$nome) pairs.mat = outer(fonoa,fonob, "==") pairs.mat #Só funciona com o parênteses depois do nome #Dois pontos e ponto e vírgula nomea=data.frame(nome=c("GER:D",":HARTMUT","RALF:","STEFA;N","ROBERT;")) nomea nomeb=data.frame(nome=c("HARTMUT","GERD","ROBERT","STEFAN","RALF")) fonob=soundexBR(nomeb$nome) pairs.mat = outer(fonoa,fonob, "==") pairs.mat #Só funciona com o : e ; depois do nome #Dólar e ponto nomea=data.frame(nome=c("GER$D","%HARTMUT","RALF%","STEFA.N","ROBERT.")) nomeb=data.frame(nome=c("HARTMUT","GERD","ROBERT","STEFAN","RALF")) nomeb fonoa=soundexBR(nomea$nome) fonob=soundexBR(nomeb$nome) pairs.mat = outer(fonoa,fonob, "==") pairs.mat #Idem #Números nomea=data.frame(nome=c("GER1D","2HARTMUT","RALF3","S4TEFA.N","RO5BERT6")) nomea nomeb=data.frame(nome=c("HARTMUT","GERD","ROBERT","STEFAN","RALF")) nomeb fonoa=soundexBR(nomea$nome) fonob=soundexBR(nomeb$nome) pairs.mat = outer(fonoa,fonob, "==") pairs.mat #Não funciona com números