我在基于 RoR 的网站上的搜索功能有点问题。我有很多带有一些代码的产品。此代码可以是任何字符串，例如“AB-123-lHdfj”。现在我使用ILIKE 运算符来查找产品：
Product.where("code ILIKE ?", "%" + params[:search] + "%")
它工作正常，但找不到带有“AB123-lHdfj”或“AB123lHdfj”之类代码的产品。
我该怎么做？可能是 Postgres 有一些字符串规范化功能，或者其他一些帮助我的方法？
【问题讨论】：
标签： sql ruby-on-rails postgresql levenshtein-distance fuzzy-search
Postgres 提供了一个具有多个字符串比较功能的模块，例如 soundex 和 metaphone。但是你会想要使用levenshtein 编辑距离功能。
Example:
test=# SELECT levenshtein('GUMBO', 'GAMBOL');
levenshtein
-------------
2
(1 row)
2 是两个词之间的编辑距离。当您将其应用于多个单词并按编辑距离结果排序时，您将获得您正在寻找的模糊匹配类型。
试试这个查询示例：（当然是你自己的对象名称和数据）
SELECT *
FROM some_table
WHERE levenshtein(code, 'AB123-lHdfj') <= 3
ORDER BY levenshtein(code, 'AB123-lHdfj')
LIMIT 10
这个查询说：
给我 some_table 中所有数据的前 10 个结果，其中 code 值与输入 'AB123-lHdfj' 之间的编辑距离小于 3。您将返回 code 值在 3 个字符内的所有行与“AB123-lHdfj”的区别......
注意：如果您收到如下错误：
function levenshtein(character varying, unknown) does not exist
使用以下命令安装fuzzystrmatch 扩展：
test=# CREATE EXTENSION fuzzystrmatch;
【讨论】：
fuzzystrmatch 以在 postgresql 中使用 levenshtein。它帮助我摆脱了HINT: No function matches the given name and argument types. You might need to add explicit type casts
levenshtein_less_equal()！它是 Levenshtein 函数的加速版本，仅在 small distances 感兴趣时使用。如果实际距离小于等于 max_d，则 levenshtein_less_equal 返回正确的距离；否则它返回一些大于 max_d 的值。如果 max_d 为负，则行为与 levenshtein 相同。 test=# SELECT levenshtein_less_equal('extensive', 'exhaustive',2);
Paul 告诉过你levenshtein()。这是一个非常有用的工具，但是对于大表来说它也很慢。它必须从每一行的搜索词中计算出Levenshtein distance。这很昂贵并且不能使用索引。 “加速”变体 levenshtein_less_equal() 对于长字符串更快，但在没有索引支持的情况下仍然很慢。
如果您的要求如示例所示的那样简单，您仍然可以使用LIKE。只需将搜索词中的任何- 替换为WHERE 子句中的%。所以而不是：
WHERE code ILIKE '%AB-123-lHdfj%'
用途：
WHERE code ILIKE '%AB%123%lHdfj%'
或者，动态：
WHERE code ILIKE '%' || replace('AB-123-lHdfj', '-', '%') || '%'
LIKE 模式中的% 代表 0-n 个字符。或者使用_ 只代表一个字符。或者使用正则表达式进行更智能的匹配：
WHERE code ~* 'AB.?123.?lHdfj'
.? ... 0 或 1 个字符
或者：
WHERE code ~* 'AB\-?123\-?lHdfj'
\-? ... 0 或 1 个破折号
您可能希望转义 LIKE 或正则表达式模式中的特殊字符。见：
如果您的实际问题更复杂并且您需要更快的解决方案，那么有多种选择，具体取决于您的要求：
当然有full text search。但这在您的情况下可能有点过头了。
更可能的候选者是与附加模块pg_trgm 进行三元匹配。见：
自 PostgreSQL 9.1 起可与LIKE、ILIKE、~ 或~* 结合使用。
在这种情况下也很有趣：该模块的 similarity() 函数或 % 运算符。
最后但并非最不重要的一点是，您可以使用一个函数来实现手工编织解决方案，以规范化要搜索的字符串。例如，您可以转换 AB1-23-lHdfj --> ab123lhdfj，将其保存在附加列中，然后使用以相同方式转换的术语进行搜索。
或者使用index on the expression 代替冗余列。 （涉及的函数必须是IMMUTABLE。）可能将其与上面的pg_tgrm结合起来。
模式匹配技术概述：
【讨论】：