我正在使用MYSQL的FULL TEXT搜索功能(在Mysql 5.6.33中)。
如果我在自然语言模式下进行比赛,对于具有单字符拼写错误的邮政编码,我会得到一些不错的结果,包括……
首先,MySQL全文并不像Lucene那样专注于开放式搜索。
有一种叫做的算法 Levenshtein距离 ,计算字符转换的数量 - 距离 - 将一个字符串更改为另一个字符串。
因此,将“BN2 1TM”更改为“BN2 1MT”(换位)的距离为2.将其更改为“BN2 1TX”的距离为1。
Levenshtein距离对于短语并不十分有用,除非它们几乎完全相同。将“Apache Sphinx”更改为“MySQL FULLTEXT”会使距离为14,即较长字符串的长度。但它对于邮政编码,部分编号和其他短结构化单词很有用。
您可以尝试这样的方法来获得最接近的值。
SELECT city, county, postcode FROM table ORDER BY levenshtein(postcode, 'BN2 1MT') ASC
然后,您只需要一个存储函数来计算Levenshtein距离。 (这不是内置于FULLTEXT。)
从 这个来源 ,这是一个存储的功能。但要注意,它并不快,也不能使用索引。因此,如果您可以在执行此操作之前缩小搜索范围,您将获得更好的性能。
DELIMITER $$ CREATE FUNCTION levenshtein( s1 VARCHAR(255), s2 VARCHAR(255) ) RETURNS INT DETERMINISTIC BEGIN DECLARE s1_len, s2_len, i, j, c, c_temp, cost INT; DECLARE s1_char CHAR; -- max strlen=255 DECLARE cv0, cv1 VARBINARY(256); SET s1_len = CHAR_LENGTH(s1), s2_len = CHAR_LENGTH(s2), cv1 = 0x00, j = 1, i = 1, c = 0; IF s1 = s2 THEN RETURN 0; ELSEIF s1_len = 0 THEN RETURN s2_len; ELSEIF s2_len = 0 THEN RETURN s1_len; ELSE WHILE j <= s2_len DO SET cv1 = CONCAT(cv1, UNHEX(HEX(j))), j = j + 1; END WHILE; WHILE i <= s1_len DO SET s1_char = SUBSTRING(s1, i, 1), c = i, cv0 = UNHEX(HEX(i)), j = 1; WHILE j <= s2_len DO SET c = c + 1; IF s1_char = SUBSTRING(s2, j, 1) THEN SET cost = 0; ELSE SET cost = 1; END IF; SET c_temp = CONV(HEX(SUBSTRING(cv1, j, 1)), 16, 10) + cost; IF c > c_temp THEN SET c = c_temp; END IF; SET c_temp = CONV(HEX(SUBSTRING(cv1, j+1, 1)), 16, 10) + 1; IF c > c_temp THEN SET c = c_temp; END IF; SET cv0 = CONCAT(cv0, UNHEX(HEX(c))), j = j + 1; END WHILE; SET cv1 = cv0, i = i + 1; END WHILE; END IF; RETURN c; END$$ DELIMITER ;