超越 SOUNDEX 和差异 - SQL Server答案

【问题标题】：Beyond SOUNDEX & DIFFERENCE - SQL Server超越 SOUNDEX 和差异 - SQL Server
【发布时间】：2017-04-13 09:54:18
【问题描述】：

我正在使用SOUNDEX & DIFFERENCE 函数对表格中的数据进行一些分析。

但此功能在以下类型的数据中失败。 ITEM TYPE 和 ITEM SIZE 完全不同。

SELECT SOUNDEX('ITEM TYPE'), SOUNDEX('ITEM SIZE')

op:-

I350    I350

For DIFFERENCE op: - 4

我了解人类大脑所做的所有分析都无法编码，但我还是想问一下，SQL Server 中是否还有其他功能可以帮助我进行下一级分析？

【问题讨论】：

SOUNDEX 不仅仅是 SQL Server 开发人员编造的，它是一个“众所周知的”function
您可以尝试查看 Jaro Winkler 算法，例如sqlservercentral.com/articles/Fuzzy+Match/65702
@Damien_The_Unbeliever，这不是我关心的答案:(
您可能会发现这很有帮助：archives.gov/research/census/soundex.html。
您正在使用函数进行分析。这可能是您可以在这里做出的最通用的陈述。你有什么顾虑？ soundex（本质上是一种散列算法）为两个不同的输入返回相同的值？哈希表现出这种行为。

【解决方案1】：

您可以使用算法，例如Damerau–Levenshtein distance。

两个词之间的 Damerau-Levenshtein 距离是最小的操作数（包括插入、删除或单个字符的替换，或两个相邻字符的换位字符）将一个单词变为另一个单词。

有 T-SQL 实现，例如this one by Steve Hatchett。或者，您可以使用an implementation in C#，编译一个 DLL 并将其加载到 SQL CLR。编译的版本应该更快。

有关将 CLR 程序集加载到 SQL @CLR Assembly C# inside SQL Server 的更多信息。

【讨论】：