如何在MySQL中匹配列

Question

每个人都知道“=”符号。

SELECT * FROM mytable WHERE column1 = column2;

如果我在列1和列2中有不同的内容...但它们非常相似呢？（可能只差一个空格，或者有一个不同的单词）

是否有可能实现以下功能：

SELECT * FROM mytable WHERE ....column matches column2 with .4523423 "Score"...

我相信这被称为模糊匹配？或者是模式匹配？这是技术术语。

编辑：我知道Soundex和Levenstein距离。那是你推荐的吗？

- TIMEX

---

我认为有一些东西可以使用MATCH命令，并基于相关性进行操作...不过我也不太确定。 - Petrogad

您要寻找的术语是编辑距离。通常实现为Levenshtein距离。 - Lukáš Lalinský

Answer 1

你寻找的是称为Levenstein distance的东西。它给出了描述两个字符串之间差异的数值。

在MySQL中，你需要编写存储过程来实现这个功能。这里是一篇可能有帮助的文章。

- Lukasz Lysik

---

我知道我需要使用Levenstein距离，但是如何进行扩展呢？我有4000万行数据，如何高效地处理或分发它，以避免服务器崩溃？ - TIMEX

Levenshtein是谁？ - Luiscencio

Answer 2

Lukasz Lysik发布了一个存储过程的引用，可以从数据库内部执行模糊匹配。如果您希望将其作为持续任务执行，则最好采用此方法。但是，如果您想将其作为一次性任务执行，并且可能需要进行复杂检查，或者想要执行复杂操作以清理模糊匹配，您可能希望从Python中执行模糊匹配。（您的标签之一是“python”，因此我假设您接受Python解决方案...）使用Python ORM，您可以获得一个Python列表，每个数据库行对应一个对象，然后使用Python的全部功能来分析数据。您可以使用正则表达式、Python Levenstein函数或其他任何内容。Python的全能ORM可能是SQLAlchemy。实际上，我更喜欢Django的ORM；它更简单，我很注重简洁。如果您的ORM需求不复杂，则Django ORM可能是一个不错的选择。如果有疑问，就去使用SQLAlchemy吧。祝您好运！

- steveha