# F.15\. fuzzystrmatch `fuzzystrmatch`模块提供几个函数判断字符串之间的相似点和距离。 | **Caution** | |:--- | | 目前，`soundex`, `metaphone`, `dmetaphone`, 和 `dmetaphone_alt`不适合多字节编码（如UTF-8）。 | ## F.15.1\. Soundex Soundex 系统是一种通过转换为相同代码匹配相似发音名字的方法。 最初是在1880、1900和1910年用于美国的人口普查。注意Soundex对于非英文的名字不是很有帮助。 `fuzzystrmatch`模块提供和Soundex代码一起使用的两个函数: ``` soundex(text) returns text difference(text, text) returns int ``` `soundex`函数转换字符串为Soundex代码。`difference` 函数转换两个字符串为它们的Soundex代码然后报告匹配代码位置的数量。 因为Soundex代码有四个字符，结果范围从零到四，零表示没有匹配而四表示完全匹配。 （因此，这个函数取名不当，`similarity`本是一个好名字。） 这里是一些有用的示例： ``` SELECT soundex('hello world!'); SELECT soundex('Anne'), soundex('Ann'), difference('Anne', 'Ann'); SELECT soundex('Anne'), soundex('Andrew'), difference('Anne', 'Andrew'); SELECT soundex('Anne'), soundex('Margaret'), difference('Anne', 'Margaret'); CREATE TABLE s (nm text); INSERT INTO s VALUES ('john'); INSERT INTO s VALUES ('joan'); INSERT INTO s VALUES ('wobbly'); INSERT INTO s VALUES ('jack'); SELECT * FROM s WHERE soundex(nm) = soundex('john'); SELECT * FROM s WHERE difference(s.nm, 'john') > 2; ``` ## F.15.2\. Levenshtein 这个函数计算两个字符串之间的Levenshtein距离： ``` levenshtein(text source, text target, int ins_cost, int del_cost, int sub_cost) returns int levenshtein(text source, text target) returns int levenshtein_less_equal(text source, text target, int ins_cost, int del_cost, int sub_cost, int max_d) returns int levenshtein_less_equal(text source, text target, int max_d) returns int ``` `source`和`target`都可以是任意非空字符串，最多为255字节。 cost参数声明对于一个字符插入、删除或替换分别改变多少。可以省略cost参数， 就像该函数的第二种语法；这种情况下，他们缺省都是1。`levenshtein_less_equal` 对于低距离是levenshtein函数的快速版本。如果实际距离小于或等于max_d， 那么`levenshtein_less_equal`返回实际值。否则这个函数返回大于max_d的值。 示例： ``` test=# SELECT levenshtein('GUMBO', 'GAMBOL'); levenshtein ------------- 2 (1 row) test=# SELECT levenshtein('GUMBO', 'GAMBOL', 2,1,1); levenshtein ------------- 3 (1 row) test=# SELECT levenshtein_less_equal('extensive', 'exhaustive',2); levenshtein_less_equal ------------------------ 3 (1 row) test=# SELECT levenshtein_less_equal('extensive', 'exhaustive',4); levenshtein_less_equal ------------------------ 4 (1 row) ``` ## F.15.3\. Metaphone Metaphone，类似于Soundex，基于为输入字符串构造一个典型的代码的想法。 如果两个字符串有相同的代码那么认为它们相似。 这个函数计算输入字符串的metaphone代码： ``` metaphone(text source, int max_output_length) returns text ``` `source`必须为一个非空字符串，最多为255个字符。 `max_output_length`设置输出metaphone代码的最大长度； 如果实际比这长，那么输出截断为这个长度。 示例： ``` test=# SELECT metaphone('GUMBO', 4); metaphone ----------- KM (1 row) ``` ## F.15.4\. Double Metaphone Double Metaphone系统为一个给定的输入字符串计算两个"听起来像"的字符串— 一个"原先的"和一个"替换的"。大多数情况下它们相同， 但是取决于发音它们对于非英文名有一点不同。这些函数计算原先的和替换的代码： ``` dmetaphone(text source) returns text dmetaphone_alt(text source) returns text ``` 这里对于输入字符串没有长度限制。 示例： ``` test=# select dmetaphone('gumbo'); dmetaphone ------------ KMP (1 row) ```