Question

我在MySQL数据库中有一组850,000个条目。有些条目非常相似，比如

Foobar Lorem
Foobar Ipsum
Foobar Dolor

如何按相似性对所有条目进行分组（例如，至少4个相等的字符）。我无法使用LIKE运算符查询特定字符串，因为我不知道所有可能的类似条目。

我找到了一些有趣的方法（例如Levenshtein距离），但所有函数都需要至少一个参数来查找。

有什么建议吗？

/更新

当字符串的开头类似

时就足够了

Answer 1

您可能想尝试SOUNDEX，因为这是一种基于特定单词或单词集合创建代码的算法，因此任何听起来相似的单词都会在此处分组（代码可以是长的弦长，所以修剪前6个字符）。 http://dev.mysql.com/doc/refman/5.0/en/string-functions.html#function_soundex

GROUP BY SUBSTRING(SOUNDEX(col), 1, 6)