Question

我想制作一本字典，我需要有一个查询，可以找到拼写错误的单词（我的意思是拼写错误或拼写错误或拼写错误），如果查询找不到确切的单词，那么请尝试使用其他拼写。

那么什么是阿拉伯语： 在阿拉伯语中有一些字母带有（几乎）相同的发音但字母不同，人们有时不会知道应该使用哪一个。例如阿拉伯语中有4种Z “Ò/ظ/ذ/ض”发音不同（一点点）但是人们会忘记哪一个是正确的拼写。使用“z”字母的一个单词的示例：

مریز/مریض/مریظ/مریذ

正确的是مریض

以下是其他拥有多个后者的世界：

z: ض / ز / ذ / ظ 

T: ت / ط / 

S: ث / س / ص / 

Gh: ق / غ

那么你的想法是什么？应该如何查询？

我想如果用户搜索“مریز”而不是向他显示404错误（未找到），则用其他字母（全部为Z）搜索数据库，然后如果找到任何内容则返回结果。

Answer 1

在德语中，我们在t和tt或dt方面存在同样的问题 - 特别是在名称中。

解决此问题的一种方法是存储包含具有固定转换的名称/单词的附加规范化列。

 tt -> t
 dt -> t
 ß  -> s
 ss -> s

所以表格包含

 WORD    | NORMALIZED
 schmitt | schmit
 schmidt | schmit

在查询时，将这些相同的转换应用于查询，然后与规范化列进行比较。

Answer 2

有一种名为Levenshtein distance的算法（还有其他算法），它告诉两个字符串之间的编辑距离。

您可以从中得出，尝试在您的词典中找到与您的输入相比最相似的单词。

稍后您可以根据您提到的字母元组为替换分配权重以优化搜索。

实际上有一个MySQL的实现，你一定要查看：https://www.artfulsoftware.com/infotree/qrytip.php?id=552
SO中的大多数levenshtein + mysql问题都指向此页面。

Answer 3

更简单的解决方案是在类似语句中使用正则表达式。对于可能拼写错误的字母，您可以将变量保存在正则表达式通配符中。对应于z通配符的字母是“[Òذظض]” 您可以使用通配符替换所有Ò，ذ，ظ，ض字母，然后使用类似的语句进行查询：

select * from searched_table where word like "%[مرى[زذظض%"

找到所搜索单词的所有版本后，您可以向用户显示所有这些单词，也可以计算出levenshtein距离（koshinae的答案）并显示最接近的单词。

编辑：仅针对字母Z，查询将如下所示

set @word = 'مرىض'; -- take this text from user
set @word = replace(@word, 'ذ', 'Z');
set @word = replace(@word, 'ظ', 'Z');
set @word = replace(@word, 'ض', 'Z');
set @word = replace(@word, 'ز', 'Z');
set @word = replace(@word, 'Z', '[زظضذ]');
set @word = Concat('%',  @word,  '%');
select @word;

select * from mydb.searchTable where word like @word;

可以在阿拉伯语中找到Typos的SQL查询

3 个答案: