Postgresql：用于子字符串匹配的 Levenshtein 编号答案

【问题标题】：Postgresql: Levenshtein number for substring matchPostgresql：用于子字符串匹配的 Levenshtein 编号
【发布时间】：2020-09-22 15:30:56
【问题描述】：

问题：我正在提取长描述字段中包含“posthole”一词的行。这些经常拼写错误。我使用 Levenshtein 函数创建了一个字段来计算描述和术语“posthole”之间的差异，但它匹配整个字符串。我需要找到一种方法来修改它以计算到最接近术语“posthole”的字符串的子字符串的距离

解决方案：我唯一能想到的是将字符串拆分为空格上的子字符串，并将每个子字符串与搜索词匹配。我只是想看看是否有人知道这样做的更好方法。

目前这是纯 PostgreSQL，但如果有处理此问题的模块，我可以将一些 Python 代码插入数据库。

【问题讨论】：

标签： python postgresql levenshtein-distance fuzzy-search

【解决方案1】：

您可以将字符串拆分为行：

with inputs (id, textcol) as (
  values (1, 'this is a test of postole and some other posthole expressions'),
         (2, 'just another posthole entry')
)
select id, word, levenshtein(upper(word), 'POSTHOLE') 
  from inputs
       cross join lateral regexp_split_to_table(textcol, '\y') r(word) 
 where length(word) > 5
   and levenshtein(upper(word), 'POSTHOLE') < 4
;

┌────┬──────────┬─────────────┐
│ id │   word   │ levenshtein │
├────┼──────────┼─────────────┤
│  1 │ postole  │           1 │
│  1 │ posthole │           0 │
│  2 │ posthole │           0 │
└────┴──────────┴─────────────┘
(3 rows)

【讨论】：