有没有办法在不知道值的情况下找出 SQL Server 中的两个字符串是否相似？

Question

我正在尝试根据主要项目来组合一些相关项目。

例如，假设我有一个非常简单的 [FRUIT] 表：

ID	NAME
1	Fuji Apples
2	Apple: Golden Delicious
3	Granny Smith Apple
4	Blood Orange
5	Orange: Mandarin

并且用户当前正在查看“Fuji Apples”。我想返回“Apple：Golden Delicious”和“Granny Smith Apple”的行，因为它们的 [Name] 列的值中也包含“Apple”一词。我想我正在寻找类似 LIKE 的东西，它对字符串进行更广泛的比较，看看是否有任何相似的字符集。

---

我查看了 SOUNDEX 和 DIFFERENCE，但它们不是我想要的，因为我的字符串太长了，类似的词可能位于字符串中的任何位置。

如果没有什么问题，如果需要，我总是可以实现一些相似性算法；但如果 t-sql 已经内置，我不想付出努力。

注意：我知道在上面的示例中，只添加另一个具有“Apple”和“Orange”值的列和/或表会更有意义；但这不是我要问的。

Answer 1

请尝试以下解决方案。

它使用 XML、XQuery 和量化表达式。

有用的链接：Quantified Expressions (XQuery)

SQL

-- DDL and sample data population, start
DECLARE @tbl TABLE  (ID INT IDENTITY(1,1) PRIMARY KEY, fruit VARCHAR(200));
INSERT INTO @tbl (fruit) VALUES
('Fuji Apples'),
('Apple: Golden Delicious'),
('Granny Smith Apple'),
('Blood Orange'),
('Orange: Mandarin');
-- DDL and sample data population, end

DECLARE @separator CHAR(1) = SPACE(1)
    , @searchFor VARCHAR(30) = 'Fuji Apple';

SELECT t.*
    , c.value('some $r in /root/source/r/text()
                satisfies contains(data(/root/target)[1], $r)', 'BIT') AS Result
FROM @tbl AS t
CROSS APPLY (SELECT TRY_CAST('<root><source><r><![CDATA[' + REPLACE(@searchFor, @Separator, ']]></r><r><![CDATA[') + ']]></r></source>'
      + '<target><r><![CDATA[' + REPLACE(fruit, @Separator, ']]></r><r><![CDATA[') + ']]></r></target></root>' AS XML)
      ) AS t1(c);

输出

+----+-------------------------+--------+
| ID |          fruit          | Result |
+----+-------------------------+--------+
|  1 | Fuji Apples             |      1 |
|  2 | Apple: Golden Delicious |      1 |
|  3 | Granny Smith Apple      |      1 |
|  4 | Blood Orange            |      0 |
|  5 | Orange: Mandarin        |      0 |
+----+-------------------------+--------+