我有一个房地产列表的数据库，需要返回一个社区的列表。现在我正在使用mysql的DISTINCT函数，它返回所有不同的值。我的问题是有很多社区名称相似：例如：
Park View Sub 1
Park View
Park View Sub 2
Park View Sub 3
Great Lake Sub 1
Great Lake Sub 2
Great Lake
Great Lake Sub 3
以下是您可以尝试的一些方法，假设您正在寻找完全匹配和近似匹配。
首先查找完全匹配。 然后在反转名称上查找LIKE匹配项。 然后查找具有最少额外字符的匹配项。
这是一个可以执行所有这些操作的查询。请注意，如果要使此过程高效，您需要将反转的地名存储在索引列中。
select name
from (
select name, 0 ordinal
from place
where name = 'Park View'
union
select name, 1 ordinal
from place
where Reverse(Name) like concat(Reverse('Park View'),'%')
union
select name, 2+length(name)
from place
where name like concat('Park View','%')
) a
order by ordinal
limit 1
ordinal来查找最佳匹配。SELECT DISTINCT neighborhood FROM table WHERE neighborhood NOT LIKE '% Sub %';
SELECT DISTINCT neighborhood FROM table ORDER BY LENGTH(neighborhood);
您可以使用PHP的similar_text来实现一个简单的解决方案。如果您预先对数据进行排序，使得较短、期望的地址排在前面，那么它应该能够很好地工作。此外，如果“不同”的地址不太相似，它将会更好地工作（但您始终可以提高阈值）：
// if an address is 70% (or more) similar to another, it is not unique
$threshold = 70;
// list of addresses (and sorting them); this is done through the DB in your code
$addresses = array('Park View Sub 1', 'Park View', 'Park View Sub 2', 'Park View Sub 3', 'Great Lake Sub 1', 'Great Lake Sub 2', 'Great Lake', 'Great Lake Sub 3');
sort($addresses);
$unique = array();
foreach ($addresses as $address) {
$isUnique = true;
foreach ($unique as $u) {
// get the similarity between the current address and each unique address
similar_text($address, $u, $percent);
if ($percent > $threshold) {
// not unique; drop it
$isUnique = false;
break;
}
}
if ($isUnique) $unique[] = $address;
}
对于其他选择，您还可以查看PHP的{{link1：levenshtein}}和{{link2：soundex}}，以及MySQL的{{link3：SOUNDEX（）}}。
另一种伪模糊方法是通过按字母顺序排序地址（通过MySQL或PHP），并逐个循环遍历它们；如果当前地址以已找到的唯一地址的文本开头，则将其删除。这与使用实际模糊方法非常相似，但更加直截了当：
// list of addresses (and sorting them); this is done through the DB in your code
$addresses = array('Park View Sub 1', 'Park View', 'Park View Sub 2', 'Park View Sub 3', 'Great Lake Sub 1', 'Great Lake Sub 2', 'Great Lake', 'Great Lake Sub 3');
sort($addresses);
$unique = array();
foreach ($addresses as $address) {
$isUnique = true;
foreach ($unique as $u) {
if (substr($address, 0, strlen($u)) == $u) {
$isUnique = false;
break;
}
}
if ($isUnique) $unique[] = $address;
}
这种方法仅在地址排序后有效，因为较短的地址Park View需要在Park View Sub 1之前找到。如果您的地址过于相似，上述similar_text方法会漏掉太多，那么可以尝试使用后面的函数，因为它更加严格。
SELECT t.neighborhood
FROM (
SELECT IF(IFNULL(LEFT(s.neighborhood,CHAR_LENGTH(@match)) <> @match,1),@match := s.neighborhood,NULL) AS neighborhood
FROM (SELECT RTRIM(neighborhood) AS neighborhood
FROM mytable
JOIN (SELECT @match := NULL) r
GROUP BY neighborhood
ORDER BY neighborhood
) s
) t
WHERE t.neighborhood IS NOT NULL
这一切都非常简单，除了@match变量的初始化和执行当前值与先前值比较的表达式。
如果我们不担心值中引入特殊字符带来的边缘情况，我们可以使用更简单的LIKE或REGEXP进行比较：
s.neighborhood NOT LIKE CONCAT(@match,'%')
s.neighborhood NOT REGEXP CONCAT('^',@match)
LIKE运算符受到下划线和百分号字符的影响，而REGEXP则受到正则表达式中使用的特殊字符的影响。为了避免这些问题，上面的查询使用了一个看起来有点笨拙的比较方式：
LEFT(s.neighborhood,CHAR_LENGTH(@match)) <> @match
这段代码的作用是将先前的值（例如@match：='Park View'）与下一个值的前导部分（长度为'Park View'）进行比较，以确定它是否匹配。
使用此查询的好处之一是返回的值保证在后续查询的谓词中“匹配”。假设您正在使用此查询获取社区列表，并且用户已选择了一个社区。这将返回一组值，这些值将“匹配”每一行。
随后的查询可以在简单谓词（WHERE子句）中使用任何返回的值来返回匹配的行。例如，如果用户选择了值“Great Lake”：
SELECT t.*
FROM mytable t
WHERE LEFT(t.neighborhood,CHAR_LENGTH('Great Lake') = 'Great Lake'
SELECT t.*
FROM mytable t
WHERE t.neighborhood LIKE CONCAT('Great Lake','%')
SELECT t.*
FROM mytable t
WHERE t.neighborhood REGEXP CONCAT('^','Great Lake')
仅返回“Park View”和“Great Lake”。” - 这是预期的输出结果。 - Travesty3