Delphi - 如何搜索不完整的字符串匹配答案

【问题标题】：Delphi - How to do searching for incomplete string matchesDelphi - 如何搜索不完整的字符串匹配
【发布时间】：2014-06-06 00:27:37
【问题描述】：

我有大约 300,000 个企业的列表，这是一个小型关系 rdbms（ComponentAce 的 AbsoluteDB）中的 varchar 字段用户需要能够搜索企业名称，但用户可能没有确切的名称.

例如，名称是堪萨斯国家银行

理想情况下，用户可以开始输入 National 并让它找到所有包含 National 的字符串（注意它不是第一个单词）我希望有一种方法可以让用户输入“国家银行”（而不是国家银行），并且仍然可以找到正确的数据。

在试图解决这个问题时，我认为文本检索系统比我所寻找的要多得多。我的整个数据文件大约 15 MB。全文检索系统的开销超出了我的需要。模糊搜索，使用某种类型的字符串相似性算法是我想要的方式吗？例如，像 DamerauLevenshtein 这样的东西？

【问题讨论】：

你最好的办法是在谷歌上搜索“全文搜索 Delphi”，你会得到很多结果。这个问题可能是题外话，因为它可能会导致一些意见和产品建议。另一种选择是查看 soundex。有许多数据库包含 soundex 查询功能。例如，docs.oracle.com/cd/B19306_01/server.102/b14200/functions148.htm 用于 Oracle，msdn.microsoft.com/en-us/library/ms187384.aspx 用于 SQL 服务器。这最终取决于您在寻找什么。
“我有一个列表”非常模糊。该“列表”在哪个容器中？它是在文本文件、数据库还是其他东西中？定位信息的方式因信息的存储方式而异。如果不清楚为什么要这样做，请致电最近的汽车维修店，询问他们更换汽车发动机的费用，看看他们是否会给您“一刀切”的估计；根据您驾驶的是普通轿车还是法拉利，费用会有很大不同。请具体说明您在这里问的是什么。
感谢您的编辑。 :-) 我不使用 Absolute DB，但 AFAIK 它支持 SQL，这意味着它应该支持带有通配符的 LIKE 运算符。这在它的 SQL 语法中可用吗？
你基本上有4个选项。 LIKE、SOUNDEX（AbsoluteDB 似乎不支持）、像 Rubicon 这样的全文搜索引擎，或者将整个集合加载到内存中并自己进行 soundex/搜索。
@Graymatter：或者LIKE '%National%'，当然不会使用索引，可能会慢一些。

标签： string delphi search fuzzy-search

【解决方案1】：

我过去解决这个问题的方法是创建一个倒排索引，消除高频词（a、and、the、with 等），然后要么这样做：

线性匹配基于每个单词的输入内容；
删除元音；或
使用 Soundex。

是否对输入的每个字符进行搜索取决于您，尽管这种方法非常适合实时过滤。（关键是，您不会在输入的每个字符上都点击数据库。您在前几个字符之后点击它，然后从结果中过滤其余字符。）

我已经使用内存中的搜索表和数据库表完成了这项工作。

对于倒排索引，您将所有内容分解为单词并保存每个单词的记录编号列表。当该人键入“natio”时，它会显示与以词干“natio”开头的任何单词匹配的所有记录的列表，例如“nation”、“nations”、“national”等。因此“national”可能出现在25条记录，“nations”可能在37条，“nation”可能在58条。显然，词干越长，命中数越少。

如果他们输入了多个单词，则将每个单词视为单独的搜索，但将结果放在一起。所以“nation”和“bank”只会显示两个词干一起出现的结果。

这真的不是那么难。首先列出数据库中的所有单词及其频率计数。消除所有无意义的高频词，以及任何其他不是很有意义的词。然后从其余部分构建一个倒排索引。

如果数据变化非常频繁，则保留无意义单词列表，并在更新倒排词索引后自动重建倒排索引，首先删除这些单词。

结果并没有那么大，如果你正确实现它应该会运行得相当快。

我从未见过这样的情况，其中使用带有 LIKE 的 SQL 查询的运行速度几乎与这种方法一样快。

【讨论】：