我有一个完整的客户数据的SAP Oracle数据库。
在我们的自定义CRM中,使用通配符搜索客户是很常见的。除了SAP标准搜索之外,我们还想对一些类似于输入名称的名称进行模糊文本搜索。
目前我们正在使用UTL_MATCH.EDIT_DISTANCE
函数来搜索相似的名称。唯一的缺点是不可能使用一些通配符模式。
是否有可能将通配符与UTL_MATCH.EDIT_DISTANCE
函数结合使用,或者是否有不同(甚至更好)的方法来做到这一点?
假设数据库中有以下名称:
PATRICK NOR
ORVILLE ALEX
OWEN TRISTAN
OKEN TRIST
查询可能看起来像OKEN*IST*
,并且应返回OWEN TRISTAN
和OKEN TRISTAN
。 OKEN
将是100%匹配且OWEN
更少。
我当前的测试查询如下:
SELECT gp.partner, gp.bu_sort1, UTL_MATCH.edit_distance(gp.bu_sort1, ?) as edit_distance,
FROM but000 gp
WHERE UTL_MATCH.edit_distance(gp.bu_sort1, ?) < 4
此查询工作正常,除非在搜索字符串中使用通配符*
(这很常见)。
答案 0 :(得分:3)
请注意您的方法在表现方面的含义。即使它“功能性”起作用,使用UTL_MATCH
,您也只能过滤内部表扫描获得的结果。
您可能需要的是此类数据的索引
前往Oracle Text,Oracle的文本索引功能。请记住,他们需要付出一些努力才能投入工作。
您可能会与fuzzy
运算符混在一起,但要小心处理。大多数oracle文本功能都依赖于语言(它们考虑了英语词典,德语等)。
例如
-- create and populate the table
create table xxx_names (name varchar2(100));
insert into xxx_names(name) values('PATRICK NOR');
insert into xxx_names(name) values('ORVILLE ALEX');
insert into xxx_names(name) values('OWEN TRISTAN');
insert into xxx_names(name) values('OKEN TRIST');
insert into xxx_names(name) values('OKENOR SAD');
insert into xxx_names(name) values('OKENEAR TRUST');
--create the domain index
create index xxx_names_ctx on xxx_names(name) indextype is ctxsys.context;
此查询将返回您可能喜欢的结果(输入为字符串“TRST”)
select
SCORE(1), name
from
xxx_names n
where
CONTAINS(n.name, 'definescore(fuzzy(TRST, 1, 6, weight),relevance)', 1) > 0
;
SCORE(1) NAME
---------- --------------------
1 OWEN TRISTAN
22 OKEN TRIST
但是输入字符串“IST”可能不会返回任何内容(在我的情况下,这就是它的作用)。
另请注意,一般情况下,默认情况下,少于3个字符的输入被视为不匹配
如果您取消“模糊”要求并坚持找到仅包含您传入的确切序列的行,您可能会获得更“可预测”的结果。
在这种情况下,请尝试使用ctxcat
索引,顺便说一下,它支持一些通配符(警告:支持多列,但列的大小不能超过30个字符!)
-- create and populate the table
--max length is 30 chars, otherwise the catsearch index can't be created
create table xxx_names (name varchar2(30));
insert into xxx_names(name) values('PATRICK NOR');
insert into xxx_names(name) values('ORVILLE ALEX');
insert into xxx_names(name) values('OWEN TRISTAN');
insert into xxx_names(name) values('OKEN TRIST');
insert into xxx_names(name) values('OKENOR SAD');
insert into xxx_names(name) values('OKENEAR TRUST');
begin
ctx_ddl.create_index_set('xxx_names_set');
ctx_ddl.add_index('xxx_names_set', 'name');
end;
/
drop index xxx_names_cat;
CREATE INDEX xxx_names_cat ON xxx_names(name) INDEXTYPE IS CTXSYS.CTXCAT
PARAMETERS ('index set xxx_names_set');
后者,使用此查询可以很好地工作(输入是“* TRIST *”)
select
UTL_MATCH.edit_distance(name, 'TRIST') dist,
name
from
xxx_names
where
catsearch(name, '*TRIST*', 'order by name desc') > 0
;
DIST NAME
---------- --------------------
7 OWEN TRISTAN
5 OKEN TRIST
但输入“* O * TRIST *”不会返回任何内容(由于某些原因)。
底线:文本索引可能是唯一的方法(性能),但你必须弄清楚了解所有错综复杂的内容。
参考文献:
答案 1 :(得分:2)
假设&#34;通配符&#34;表示星号,您希望匹配所有指定字母的名称排名最高,更多指定字母匹配优于less,否则按编辑距离相似度排名。
使用占位符?
作为搜索字词,请尝试以下操作:
select *
from mytable
order by case
when name like '%' || replace(?, '*', '%') || '%' then 0 - length(replace(?, '*', ''))
else 100 - UTL_MATCH.edit_distance_similarity(?, name) end
fetch first 10 rows
FYI all&#34; like&#34;匹配的排序数为负数,其大小为指定的字母数。所有类似的未命中都有一个非负序排序数,其差异的大小。在所有情况下,较低的数字是更好的匹配。