RDS PostgreSQL支持fuzzystrmatch插件,提供Soundex、Levenshtein、Metaphone和Double Metaphone四种功能,能够用来判断字符串之间的相似性和距离。

Soundex

Soundex功能可以将相似发音的名字转换成相同的代码并进行匹配,但是Soundex对于非英语名称效果较差。

Soundex功能提供如下函数:

soundex(text) returns text
difference(text, text) returns int
  • soundex函数将一个字符串转换成它的Soundex代码(例如A550)。
  • difference函数将两个字符串转换成它们的Soundex代码并报告两个代码匹配位置的数量。由于Soundex代码具有四个字符,代码匹配位置数量的取值范围是0~4,0表示没有匹配,4表示完全匹配。

用法示例如下:

SELECT soundex('hello world!');
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;

Levenshtein

Levenshtein功能可以计算两个字符串之间的编辑距离(Levenshtein距离)。

Levenshtein功能提供如下函数:

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

参数说明如下。

参数 说明
source 第一个字符串,任意非空字符串, 最长支持255个字符。
target 第二个字符串,任意非空字符串, 最长支持255个字符。
ins_cost 字符插入的开销。
del_cost 字符删除的开销。
sub_cost 字符替换的开销。
max_d 最大Levenshtein距离。
说明 levenshtein_less_equal函数是Levenshtein函数的加速版本,在只计算小距离时使用:
  • 如果实际的距离低于或等于max_d,levenshtein_less_equal返回精确值。
  • 如果实际的距离大于max_d,levenshtein_less_equal返回大于max_d的值。
  • 如果max_d为负值,levenshtein_less_equal函数和levenshtein函数相同。

用法示例如下:

SELECT levenshtein('GUMBO', 'GAMBOL');
SELECT levenshtein('GUMBO', 'GAMBOL', 2,1,1);
SELECT levenshtein_less_equal('extensive', 'exhaustive',2);
SELECT levenshtein_less_equal('extensive', 'exhaustive',4);
Levenshtein

Metaphone

Metaphone功能的思想和Soundex功能相同,构建一个输入字符串的表示代码,如果两个字符串具有相同的代码则认为它们相似。

Metaphone功能提供如下函数:

metaphone(text source, int max_output_length) returns text

参数说明如下。

参数 说明
source 任意非空字符串, 最长支持255个字符。
max_output_length 设置输出的metaphone代码的最大长度,如果超长,输出会被截断到这个长度。

用法示例如下:

SELECT metaphone('GUMBO', 4);

Double Metaphone

Double Metaphone功能能够为一个输入的字符串计算出两个相似的字符串,包括一个主要函数和一个次要函数。在大部分情况下它们是相同的,但是对于非英语名称它们可能有一点不同(取决于发音)。

Double Metaphone功能提供的主要和次要函数如下:

dmetaphone(text source) returns text
dmetaphone_alt(text source) returns text

用法示例如下:

select dmetaphone('gumbo');
select dmetaphone_alt('gumbo');