我的数据库中有几个名称标题经常通过微小的更改创建和重新创建。通过手动目测，您可以轻松地将它们识别为重复的，只需进行细微的拼写更改。例如
度假村旅馆、Res Ort 旅馆、Rsort 旅馆等等等。我正在寻找的是一个解决方案，它给出了作为重复项搜索的关键字的百分比匹配。源集可能不够大，但参考集可以包含数百万个数据。所以潜在的mysql“匹配”是不可扩展的。参考集也在 mysql 和 sphinx 索引中。当前的复制逻辑并不能完全捕获所有重复项。例如
莫伊克恩度假村 莫伊克恩 莫伊克恩度假村 Moeyy-Knn 美国食品
在我看来，所有这些都是重复的。但是第四个根本没有被捕获。我知道它们看起来相同，但是通过消除元音和其他东西进行比较后的百分比数字会有所帮助。首选的解决方案主要是使用 'php-sphinx'，因为它的大部分已经准备好或 awk（如果可能并且也适度舒适）。如果没有，任何开源（python/perl 等）逻辑都可以。