Question

如何搜索具有误差幅度的特定string？

示例：

我有table个value s：

品牌表


品牌：松下，型号：15T

品牌：Apple，型号：IPHONE 7

品牌：三星，型号：Galaxy S8

品牌：Microsoft，M15

我想找到3个错误字符边缘的巧合。对于示例，我的输入是M $ crosoft，我希望它返回Microsoft row。或者，如果我输入Pnasonic，则应输入Panasonic row。

如何在不牺牲性能的情况下实现这一目标？简单的方法是比较每个角色和3个错误的计数器，但我需要表现，因为品牌table大约有200K + row s。

P.S我用PHP编码。

Answer 1

你可能想要使用Metaphone和Levenshtein的组合。（用于拼写错误）

http://php.net/manual/en/function.metaphone.php

并且

http://php.net/manual/en/function.levenshtein.php

Metaphone可以处理声音，因为它很糟糕＆＃34;例如，您可以将其视为删除元音并将一些复合声音更改为单个字母（几乎就像速记一样）。所以使用你的例子

$sound1 = metaphone('M$crosoft');

echo "$sound1\n";

$sound2 = metaphone('Microsoft');

echo "$sound2\n";

输出

MKRSFT
MKRSFT

你可以看到它们相符。

你可以在这里测试一下

http://sandbox.onlinephpfunctions.com/code/716471f5fed18268a2dc0aea800b3db634d9616f

性能由于运行metaphone的额外开销，我建议预先计算您手动搜索的单词的声音索引，并将其保存在数据库中。然后，当您运行用户搜索时，在其搜索词上运行相同的metaphone函数，并使用该函数搜索表中的声音索引。通过这种方式，您可以预先加载构建声音索引的成本，并且只需要执行一次（或者在编辑记录时）

但是，您可能会发现匹配太松，在这种情况下您可以使用Levenshtein。这将根据所需的更改计算2个单词之间的差异。例如插入需要进行的更新和删除操作，甚至可以对操作进行加权。

$len = levenshtein ('M$crosoft', 'Microsoft');

echo "$len\n";

//as you can see the arguments are $str1, $str2, insert cost, replace cost, delete cost
//so we can control what weight we get for each operation.
$len = levenshtein ('M$crosoft', 'Microsoft', 1,2,1);

echo "$len\n";

OUPUTS

1
2

现在，如果您需要将其与＆＃34; Bunch＆＃34;可能会变得非常复杂的文本，因为您必须在数据库上使用全文搜索。

这不是微不足道的。

可能更好的选择是使用像Sphinx这样的全文搜索引擎。让它像基本设置一样不难。但它不会成为一个神奇的子弹，所以你必须做一些事情，如词干和字形等。

再次不是微不足道，但它确实有更好的全文搜索，然后是Mysql DB，

http://sphinxsearch.com/

性能我可以告诉你它快速，可能比文本搜索的MySql快20倍，但它带来了它自己的怪癖。但我强烈推荐它。我们通过我们的小型狮身人面像集群每分钟运行大约150,000次搜索，记录集为1/4百万行。（我们的主服务器是12核，54GB怪物）

这种类型的搜索没有一个确定的解决方案，或者至少我还没有找到它（我已经做了很多）。

搜索具有错误边距的特定字符串

1 个答案: