5

我正在寻找为小型 PHP/MySQL 应用程序实现模糊搜索。具体来说，我有一个包含大约 2400 条记录的数据库（以每年大约 600 条的速度添加记录，因此它是一个小型数据库）。感兴趣的三个字段是街道地址、姓氏和日期。我希望能够通过其中一个字段进行搜索，并且基本上可以容忍拼写/字符错误。即，“123 Main Street”的地址也应与“123 Main St”、“123 Main St.”、“123 Mian St”、“123 Man St”、“132 Main St”等匹配，名称也是如此和日期。

我对其他类似问题的回答的主要问题：

  • 不可能为每个可能的错误拼写定义同义词，忘记为日期和名称定义同义词。
  • Lucene 等对于这样一个有限的搜索数据集（称其最多为 5,000 条记录，每条记录 3 个字段）而言似乎非常重量级。
  • 对于所有可能的拼写错误，仅仅使用通配符做一些事情似乎并不合乎逻辑。

有什么建议么？我知道不可能在本地使用 MySQL，但由于数据集非常有限，我想保持相对简单......也许是一个 PHP 类，它可以从数据库中获取所有记录，使用某种比较算法，并返回相似记录的 ID？

谢谢，杰森

4

2 回答 2

7

Razzie 的答案（或使用Damerau–Levenshtein）根据与搜索键的接近程度对候选匹配列表进行排名。（请注意：如果键是“12 Main St”，则“13 Main St”与“12 Moin St”具有相同的打字距离，但您可能希望将其排在低位甚至排除它，就像 11 和 22 Main St ETC。）

但是，您如何选择一个规模可控的候选人列表进行排名呢？

一种方法是为要搜索的字符串中的每个单词计算变音位值（或值，使用双变位音位）。将这些变音位中的每一个保存在另一个表中，并使用包含原始字符串的行的 id。然后，您可以使用 LIKE 'key%' 快速搜索这些变音位值，其中 key 是搜索文本中单词的变音位。

查看此线程上的建议答案。它非常整洁，应该适用于不是很大的数据库。

于 2009-12-17T23:09:56.100 回答
4

如果它是一个非常小的数据库，您可以一次加载所有数据并使用Jaro-Winkler 之类的算法进行搜索。他们有一个 PHP 实现，你可以在这里找到。

恕我直言，它真的很好用。看看这里的示例实现。我知道该搜索使用相同的算法，并且可以很好地找到“Nintedno”。它还会根据与您的查询最匹配的结果为您排序结果。

于 2009-12-16T13:38:01.350 回答