3

晚上好，

我在尝试构建一个小搜索算法时面临一个小问题。

我有一个包含视频游戏名称和软件名称的数据库表。现在我想通过在其他服务器上获取和解析 xml 文件来添加新的报价。问题是：

如何比较产品名称的字符串，以便即使优惠名称与存储在我的数据库中的产品名称不匹配 100% 也能正常工作？

作为一个例子，我目前正在使用这个 PHP + SQL 代码来比较字符串：

$query_GID = "select ID,game from gkn_catalog where game like '%$batch_name%' or meta like '%$batch_name%' ";

我目前正在将like运算符与两个通配符结合使用，以将商品名称 ( batch_name ) 与数据库中的名称 ( game ) 进行比较。

我想知道如何改进这一点，因为这种方法不是很安全，或者你想怎么称呼它，会发生什么：

如果数据库显示游戏名称为：

Deus Ex 人类革命缺少链接

batch_name 说：

Deus Ex 人类革命缺少链接DLC

结果将是空的/错误的/错误的......好吧，它根本不会在我的数据库中找到游戏。

类似这样的事情也是如此：

数据库 = Lego Star Wars The Complete Saga
batch_name = Lego Star Wars : The Complete Saga
结果：False

有没有更好的方法来进行 SQL 查询？
或者我该如何尝试使该查询正常工作，以便它可以处理带有特殊字符（如 -minus- 和 [括号]）的字符串
和或数据库名称中未包含的字符（如 DLC、CE ...）？

4

2 回答 2

3

您正在寻找模糊搜索算法和模糊搜索结果。这是一个完整的研究领域。但是，如果您快速 google 一下，也有一些简单的教程可以帮助您入门。

您可能很想尝试类似 PHP 的美妙的levenshtein方法，它计算两个字符串的“接近度”。但是，这需要将其与每条记录进行匹配。如果会有数千条记录，那是不可能的。

MySQL 有一些匹配工具可能会有所帮助。我看到在我写这篇文章的时候，有人已经在评论中提到了FULLTEXT 和 MATCH ()。这些是一个很好的方法。

还有其他一些好的解决方案需要研究。存储关键字索引（删除所有文章和助手，如 of/the/an/am/is/are/was/of/from），然后在搜索中搜索每个单词是一个简单的解决方案。但是，它不会产生很好的结果，因为返回的值没有很好地加权，并且根本没有本地化。

还有很多便宜又好用的第三方搜索工具（我想到了 Lucene），它们可以为您完成大部分工作。您只需调用一个 API，它们就会管理搜索的缓存、关键字、索引、模糊等。

以下是一些与模糊搜索相关的 SO 问题，可以帮助您找到更多的术语和想法：

于 2013-03-08T21:59:34.350 回答
1

正如您所发现的， MySQL 查询可以将百分号字符用作百分号 (%) 与 LIKE 运算符结合使用。

您有多种解决方案，具体取决于您到底想要什么。

请记住，您可以进行多次搜索（搜索完全匹配，然后在每一边搜索百分比，在单词中爆炸然后在每个单词之间插入 %，按关键字搜索等），具体取决于完全匹配是否优先于紧密搜索等.

于 2013-03-08T22:02:54.863 回答