MySQL 的 vsql_fuzzystrmatch 扩展

vsql_fuzzystrmatch 是 PostgreSQL fuzzystrmatch 扩展的移植版本。它回答关于一对字符串的两个不同问题：它们听起来是否相似，以及它们之间相差多少次编辑。可用于姓名匹配、拼写纠正，以及对手工录入的记录去重。


维护者	VillageSQL
源代码和完整文档	villagesql/vsql-fuzzystrmatch
许可证	GPL-2.0

安装

如果您使用安装脚本、Docker 镜像或发行版压缩包安装了 VillageSQL， vsql_fuzzystrmatch.veb 已经位于服务器的 lib/veb/ 目录中。用一条语句将它安装到服务器中：

INSTALL EXTENSION vsql_fuzzystrmatch;

确认它已存在：

SELECT EXTENSION_NAME
FROM INFORMATION_SCHEMA.EXTENSIONS
WHERE EXTENSION_NAME = 'vsql_fuzzystrmatch';

+--------------------+
| EXTENSION_NAME     |
+--------------------+
| vsql_fuzzystrmatch |
+--------------------+

要自行构建，请按照存储库中的构建说明进行操作。

新增内容

函数	返回	作用
`vsql_fuzzystrmatch.soundex(s)`	文本	Soundex 码，发音相似的姓名共享同一个值。这个函数需要加限定名，见下面的说明
`difference(a, b)`	整数	四个 Soundex 位置中有多少个匹配，0 到 4
`levenshtein(a, b)`	整数	编辑距离
`levenshtein_cost(a, b, ins, del, sub)`	整数	同上，但每种操作的代价由您指定
`levenshtein_less_equal(a, b, max)`	整数	距离，一旦超过 `max` 就停止并返回 `max` 加 1
`levenshtein_less_equal_cost(a, b, ins, del, sub, max)`	整数	以上两者的结合
`metaphone(s, length)`	文本	Metaphone 码，截断到 `length`
`dmetaphone(s)`	文本	主 Double Metaphone 码
`dmetaphone_alt(s)`	文本	备用码，没有备用码时回退到主码

示例

同一个姓名的两种拼写产生同一个 Soundex 码，difference 以满分 4 为匹配打分：

SELECT vsql_fuzzystrmatch.soundex('Robert') AS robert,
       vsql_fuzzystrmatch.soundex('Rupert') AS rupert,
       difference('Robert', 'Rupert') AS same_sound;

+--------+--------+------------+
| robert | rupert | same_sound |
+--------+--------+------------+
| R163   | R163   |          4 |
+--------+--------+------------+

编辑距离则统计改动次数：

SELECT levenshtein('kitten', 'sitting') AS edits,
       levenshtein_less_equal('kitten', 'sitting', 2) AS capped_at_2;

+-------+-------------+
| edits | capped_at_2 |
+-------+-------------+
|     3 |           3 |
+-------+-------------+

Metaphone 处理被拼写掩盖的发音，例如 Thompson 中的 Th：

SELECT metaphone('Thompson', 10) AS metaphone, dmetaphone('Thompson') AS dmetaphone;

+-----------+------------+
| metaphone | dmetaphone |
+-----------+------------+
| 0MPSN     | TMPSN      |
+-----------+------------+

MySQL 自带一个 SOUNDEX()，当您不加限定名写这个名称时，内置函数优先。两者结果不同：SOUNDEX('Ashcraft') 返回 A2613，而 vsql_fuzzystrmatch.soundex('Ashcraft') 返回 A261。MySQL 的版本在文档中说明返回任意长度的字符串，而扩展的版本遵循四字符的 Soundex 定义。请用扩展名限定调用，以得到您想要的那个。这里的其他函数都没有被遮蔽。

levenshtein_less_equal 在真实距离超过您给定的上限时立即停止，然后返回上限加 1，无论真实距离是多少。上限为 2 时，相差 3 的一对返回 3，相差 7 的一对也返回 3。请把”上限加 1”理解为”比您询问的范围更远”。

另请参阅

MySQL 中的模糊字符串匹配 — 在语音编码和编辑距离之间选择
三元组相似度 — 对部分匹配排序，而不是给成对的字符串打分
安装扩展 — INSTALL EXTENSION 如何工作，以及服务器在哪里查找包
可用扩展 — 完整目录
villagesql/vsql-fuzzystrmatch — 源代码、构建说明和已知限制

安装和运行扩展

扩展目录

构建扩展

安装

新增内容

示例

另请参阅

​安装

​新增内容

​示例

​另请参阅

安装

新增内容

示例

另请参阅