使用LINQ进行宽容/模糊搜索

Question

我正在尝试对我继承的数据库实现搜索功能。要求是用户必须能够通过名称搜索对象。不幸的是，一个对象可能有多个与之关联的名称。例如：

ID    Name
1     John and Jane Doe
2     Foo McFoo
3     Boo McBoo

在每个记录中只存在单个名称时，实现搜索非常容易：

var objects =  from x in db.Foo
               where x.Name.Contains("Foo McFoo")
               select x;

然而，当存在多个名称时，这种方法就不再适用。

问题：是否可能编写一个搜索方法，在某人使用搜索词John Doe或Jane Doe时返回记录一（John和Jane Doe）？

- James Hill

---

你能否对空格进行字符串分割，将搜索字符串拆分开来，然后使用.Contains运行多个查询并返回所有结果？ - Jesse Carter

如果有一个“John Smith”怎么办？你会把它拆开，然后搜索每个名字的部分吗？什么构成了名字的姓和名？我的意思是，在当前形式下，这个名字似乎没有结构。 - hometoast

Answer 1

这样做会影响性能，但这个快速方法怎么样：

string[] filters = "John Doe".Split(new[] {' '});
var objects =  from x in db.Foo
               where filters.All(f => x.Name.Contains(f))
               select x;

看起来返回了您所期望的结果。现在，当您同时拥有记录“John Doe”和“John and Jane Doe”时，您可以调整它以表现得更好。

这对您有效吗？

- Vladimir

---

+1，它确实有效！我的担忧是.All()的性能。也许这是在当前数据库设置下唯一的方法。在我采取行动之前，我很想看到社区对这种方法的反应... - James Hill

好吧，如果没有All()，你只能进行标准搜索（速度取决于数据库配置等因素）。使用All()解决方案，平均会使速度乘以2-3倍（如果名称通常只有一个FirstName和一个LastName）。因此，在确切匹配的情况下，您不必拆分字符串，这会影响速度。首先尝试使用简单搜索，如果没有结果，则考虑使用All()。只是随便想想。 - Vladimir

Answer 2

您可以创建一个名为“ContainsFuzzy”的自定义扩展方法：

public static bool ContainsFuzzy(this string target, string text){
    // do the cheap stuff first
    if ( target == text ) return true;
    if ( target.Contains( text ) ) return true;
    // if the above don't return true, then do the more expensive stuff
    // such as splitting up the string or using a regex
}

那么你的LINQ代码至少会更易读：

var objects =  from x in db.Foo
               where x.Name.ContainsFuzzy("Foo McFoo")
               select x;

明显的缺点是每次调用ContainsFuzzy都需要重新创建拆分列表等，因此会涉及一些开销。您可以创建一个名为FuzzySearch的类，这样至少会提高效率:

class FuzzySearch{

    private string _searchTerm;
    private string[] _searchTerms;
    private Regex _searchPattern;

    public FuzzySearch( string searchTerm ){
        _searchTerm = searchTerm;
        _searchTerms = searchTerm.Split( new Char[] { ' ' } );
        _searchPattern = new Regex(
            "(?i)(?=.*" + String.Join(")(?=.*", _searchTerms) + ")");
    }

    public bool IsMatch( string value ){
        // do the cheap stuff first
        if ( _searchTerm == value ) return true;
        if ( value.Contains( _searchTerm ) ) return true;
        // if the above don't return true, then do the more expensive stuff
        if ( _searchPattern.IsMatch( value ) ) return true;
        // etc.
    }

}

你的 LINQ：

FuzzySearch _fuzz = new FuzzySearch( "Foo McFoo" );

var objects =  from x in db.Foo
               where _fuzz.IsMatch( x.Name )
               select x;

- JDB

---

应该是 "(?i)(?=." + String.Join(")(?=.", _searchTerms) + ")"); - Venson

Answer 3

我想知道为什么没有人提到Levenshtein距离算法。

这是一种算法，通过一个整数告诉两个字符串之间的距离。 这里是一个SO帖子，你可以在其中找到一些此算法的实现。

因此，使用具有签名int Distance(string x, string y)的距离函数，您可以过滤高距离并对结果进行排序，使低距离出现在结果的顶部，使用LINQ。
请注意，这将导致性能开销。

- Shimmy Weitzhandler

Answer 4

您需要将名称提取到名字/姓氏列中，或者如果有多个别名，则可以提取到另一个表中。

但我认为您应该考虑使用类似于Lucene的东西，如果您需要一些“宽容”或“模糊”的内容

问题：是否可能编写一个搜索方法，当某人使用搜索词John Doe或Jane Doe时，返回记录一（John和Jane Doe）？

为了非常具体地回答您的问题，您可以将“John Doe”转换为LIKE '%John%Doe'或“Jane Doe”转换为LIKE '%Jane%Doe'，这将检索该记录。但是，我可以看到像“Johnathan Poppadoe”这样的名称会出现问题。

- hometoast