使用通配符的Oracle模糊文本搜索
我有一个充满客户数据的SAP Oracle数据库。 在我们的自定义CRM中，通常使用通配符搜索客户。 除了SAP标准搜索之外，我们还想对与输入名称类似的名称进行模糊文本搜索。 目前我们使用UTL_MATCH.EDIT_DISTANCE函数来搜索相似的名字。 唯一的缺点是不可能使用某些通配符模式。
是否有可能将通配符与UTL_MATCH.EDIT_DISTANCE函数结合使用，还是有不同（甚至更好）的方法来做到这一点？
比方说，数据库中有以下名称：
PATRICK NOR
ORVILLE ALEX
OWEN TRISTAN
OKEN TRIST
查询可能看起来像OKEN*IST* ，并且应该返回OWEN TRISTAN OKEN TRISTAN和OKEN TRISTAN 。 OKEN将是100％的比赛，而OWEN少一些。
我目前的测试查询如下所示：
SELECT gp.partner, gp.bu_sort1, UTL_MATCH.edit_distance(gp.bu_sort1, ?) as edit_distance,
FROM but000 gp
WHERE UTL_MATCH.edit_distance(gp.bu_sort1, ?) < 4
这个查询工作正常，除非在搜索字符串中使用通配符* （这很常见）。
注意你的方法在性能方面的含义。 即使“功能上”工作，使用UTL_MATCH您只能过滤内部表扫描得到的结果。
你可能需要的是这种数据的索引。
前往Oracle Text的文本索引功能。 请记住，他们需要付出一些努力才能投入工作。
你可能会fuzzy操作符，但要小心处理。 大多数oracle文本特征都是依赖于语言的（他们考虑到英语词典，德语等）。
例如
-- create and populate the table
create table xxx_names (name varchar2(100));
insert into xxx_names(name) values('PATRICK NOR');
insert into xxx_names(name) values('ORVILLE ALEX');
insert into xxx_names(name) values('OWEN TRISTAN');
insert into xxx_names(name) values('OKEN TRIST');
insert into xxx_names(name) values('OKENOR SAD');
insert into xxx_names(name) values('OKENEAR TRUST');
--create the domain index
create index xxx_names_ctx on xxx_names(name) indextype is ctxsys.context;
此查询将返回您可能会喜欢的结果（输入是字符串“TRST”）
select
SCORE(1), name
from
xxx_names n
where
CONTAINS(n.name, 'definescore(fuzzy(TRST, 1, 6, weight),relevance)', 1) > 0
;
SCORE(1) NAME
---------- --------------------
1 OWEN TRISTAN
22 OKEN TRIST
但是对于输入字符串“IST”，它可能不会返回任何内容（在我的情况下，这是它的作用）。 另外请注意，一般来说，默认情况下，少于3个字符的输入被视为不匹配。
如果您取消“模糊”要求并坚持查找只包含您传递的确切顺序的行，则可能会获得更“可预测”的结果。
在这种情况下，尝试使用ctxcat索引，顺便支持一些通配符（警告：支持多列，但列的大小不能超过30个字符！）
-- create and populate the table
--max length is 30 chars, otherwise the catsearch index can't be created
create table xxx_names (name varchar2(30));
insert into xxx_names(name) values('PATRICK NOR');
insert into xxx_names(name) values('ORVILLE ALEX');
insert into xxx_names(name) values('OWEN TRISTAN');
insert into xxx_names(name) values('OKEN TRIST');
insert into xxx_names(name) values('OKENOR SAD');
insert into xxx_names(name) values('OKENEAR TRUST');
begin
ctx_ddl.create_index_set('xxx_names_set');
ctx_ddl.add_index('xxx_names_set', 'name');
end;
/
drop index xxx_names_cat;
CREATE INDEX xxx_names_cat ON xxx_names(name) INDEXTYPE IS CTXSYS.CTXCAT
PARAMETERS ('index set xxx_names_set');
后者，这个查询将很好地工作（输入是“* TRIST *”）
select
UTL_MATCH.edit_distance(name, 'TRIST') dist,
name
from
xxx_names
where
catsearch(name, '*TRIST*', 'order by name desc') > 0
;
DIST NAME
---------- --------------------
7 OWEN TRISTAN
5 OKEN TRIST
但随着输入“* O * TRIST *”不会返回任何东西（由于某些原因）。
底线：文字索引可能是唯一的出路（表现），但你必须小心翼翼地理解所有错综复杂的内容。
参考文献：
假设“通配符”表示星号，则需要与所有指定字母匹配的名称排名最高，其中指定的字母比较少匹配的更多，否则按照编辑距离相似性排序。
使用占位符? 为您的搜索字词，请尝试以下操作：
select *
from mytable
order by case
when name like '%' || replace(?, '*', '%') || '%' then 0 - length(replace(?, '*', ''))
else 100 - UTL_MATCH.edit_distance_similarity(?, name) end
fetch first 10 rows
仅供参考，所有“喜欢”的匹配都有一个负号，用于指定字母的数量。 所有失误都有一个非负的订货号，其百分比差异的大小。 在所有情况下，较低的数字是更好的匹配。
链接地址: http://www.djcxy.com/p/94851.html上一篇: Oracle fuzzy text search with wildcards
下一篇: Conflict Protobuf version when using Opencv and Tensorflow c++