如何在MYSQL中使用PHP对公司名称进行模糊匹配以实现自动完成？

Question

我的用户将通过剪切导入并粘贴包含公司名称的大字符串。

我有一个公司名称的现有且不断发展的MYSQL数据库，每个数据库都有一个唯一的company_id。

我希望能够解析字符串并为每个用户输入的公司名称分配模糊匹配。

现在，仅进行直线字符串匹配也很慢。 Soundex索引编制会更快吗？我如何在用户输入时给他们一些选择？

例如，某人写道：

微软->微软
裸机必备->裸机必备
Polycom，Inc.-> Polycom

我发现以下线程似乎与此问题相似，但是发布者尚未批准，并且不确定它们的用例是否适用：

如何在大型字符串数据库中找到字符串的最佳模糊匹配

在Java中匹配不精确的公司名称

Answer 1

您可以从开始使用SOUNDEX()，这可能会满足您的需要（我为用户键入的内容提供了一个自动建议框，其中包含已有的替代方案）。

的缺点SOUNDEX()是：

• 它无法区分较长的字符串。仅考虑前几个字符，结尾处较长的较长字符串会产生相同的SOUNDEX值
• 第一个字母必须相同，否则您将很难找到匹配的事实。SQL Server具有DIFFERENCE（）函数来告诉您两个SOUNDEX值相隔多少，但是我认为MySQL并没有内置任何此类值。
• 对于MySQL，至少根据docs，SOUNDEX对于unicode输入已损坏

例：

SELECT SOUNDEX('Microsoft')
SELECT SOUNDEX('Microsift')
SELECT SOUNDEX('Microsift Corporation')
SELECT SOUNDEX('Microsift Subsidary')

/* all of these return 'M262' */

对于更高级的需求，我认为您需要查看两个字符串的Levenshtein距离（也称为“编辑距离”）并使用阈值。这是较复杂（较慢）的解决方案，但它具有更大的灵活性。

主要缺点是，您需要两个字符串来计算它们之间的距离。使用SOUNDEX，您可以将预先计算的SOUNDEX存储在表中，然后在该表上进行比较/排序/分组/过滤。使用Levenshtein距离，您可能会发现“
Microsoft”和“ Nzcrosoft”之间的差异仅为2，但是要花费更多的时间才能得出该结果。

无论如何，可以在codejanitor.com上找到MySQL的示例Levenshtein距离函数：作为MySQL存储函数的Levenshtein距离（2007年2月10日）。