我如何匹配两个字符串，即使它们有 1 个字符不同？

Question

我有一个庞大的句子数据库，但问题是“我很好”等句子与“我很好”不匹配，反之亦然或“那是我的吗？”与“是我的”不匹配，反之亦然，当我希望它们被检测为匹配时。

我已经制作了复杂而混乱的函数，试图用通配符和研究来做到这一点，但这只是一团糟。而且我确定必须有一种方法可以使用这种 1 字符 lee 方式进行搜索。如果可以的话，我想控制哪些字符以这种背风方式出现，就像在我的示例中，主要问题原因是问号和半引号。 （？'）。

我目前使用带有 php 和 mysql 的平面选择查询来执行匹配查询。

我希望得到一些帮助来解决这个问题，以便我可以清理当前执行工作不一致的大量代码。

如果有人想查看检查匹配的代码查询是这样的：

$checkqwry = "select * from `eng-jap` where (eng = '$eng' or english = '$oldeng' or english = '$oldeng2') and (jap = '$jap' or japanese = '$oldjap' or japanese = '$oldjap2');";

查询的目的是检查数据库中是否已经存在 $eng 和 $jap 的翻译。你看到 $oldeng $oldeng2 和 $oldeng3 等的原因就像我说的那样，即使有或没有问号等等，我的混乱愚蠢尝试匹配。其中一些 $oldeng 变量有问号或半引号等，而其他变量则没有。上面有更多代码附加和删除问号和东西。是的，这是一团糟。

Answer 1

您想使用上面提到的 String Metric 算法，PHP 在 http://php.net/manual/en/function.levenshtein.php 和 http://www.php.net/manual/en/function.similar-text.php 中内置了这个函数。

MySQL 本身并没有实现这个（特定算法），但有些人继续编写存储过程来完成同样的任务：http://www.artfulsoftware.com/infotree/queries.php#552

在我看来，使用可以处理任意更改的字符串度量比去除标点符号更好，并且还可以捕获遗漏、换位等...

Answer 2

在比较字符串之前简单地去掉非字母数字字符可能会更好。

Answer 3

可以使用sql中的replace函数将“'”替换为“”和“?”用“”。

Answer 4

您可能想查看 MySQL 中的 natural language full text searches。将 FULLTEXT 索引添加到 eng 列。

 ALTER TABLE `eng-jap` ADD FULLTEXT INDEX `full` (`eng`) ;

然后，使用匹配函数：

 select * from `eng-jap` where match(eng)  against ('Im happy');

这将返回我很高兴和我很高兴

如果您选择相关性分数，例如：

  select id, match(eng)  against ('Im happy') from `eng-jap` where match(eng)  against ('Im happy');

您可以使用它来进一步处理 PHP 中的匹配项并进行过滤。

[编辑]：刚刚验证了 yesterday 和 yesterday? 的相关性分数也相同：

 select *, match(eng)  against ('yesterday') as mc from `eng-jap`

结果是：

  6, yesterday?, 0.9058732390403748
  7, yesterday, 0.9058732390403748

注意：要应用全文索引，您的 mysql 引擎必须是 MyISAM。此外，句子必须包含超过 3 个字符。索引似乎与“是”之类的词不匹配。