MySQL：如何有效地選擇只有一個字符差異的字符串？

Question

是否有可能在MySQL中從表中選擇與給定字符串只有一個字符差異的所有字符串？

例如。 Iphone 5和Iphone 5s或Model x-1和Models x1

Answer 1

如果你可以添加一個用戶函數到MySQL，那麼你可以使用萊文斯坦的距離。代碼見this other question。例如，您可以查詢WHERE LEVENSHTEIN(description, 'iphone 5') <= 2。你會發現「iPhone 5S」，也可能是「ipohne 5」，這可能是一個加號。

否則，具體個案很容易（例如，REGEX 'iphone.*'或類似），但一般情況下將是一個噩夢實施。

表演

該版本被修改爲接受第三個參數MAXCOST。當達到levenshtein子循環的最大成本時，搜索功能將簡單地中止。排除病理情況，並記住實際成本可能稍微偏離（即排除12的成本可能包括成本爲12的字符串，排除成本爲11的字符串），這會減少其中Levenshtein距離不合理。這些案件可能對你沒有興趣。

所以如果你想要距離小於3的字符串，你可以使用WHERE levenshtein(string1, string2, 4) < 3。距離3-4或以上的所有字符串現在將立即返回4 ，並被排除。

測試：

mysql> select BENCHMARK(1000,levenshtein('PIPPORIDICOLO','LUKASPERICOLO', 99)); 
+------------------------------------------------------------------+ 
| BENCHMARK(1000,levenshtein('PIPPORIDICOLO','LUKASPERICOLO', 99)) | 
+------------------------------------------------------------------+ 
|                0 | 
+------------------------------------------------------------------+ 
1 row in set (2.50 sec) 

mysql> select BENCHMARK(1000,levenshtein('PIPPORIDICOLO','LUKASPERICOLO', 3)); 
+-----------------------------------------------------------------+ 
| BENCHMARK(1000,levenshtein('PIPPORIDICOLO','LUKASPERICOLO', 3)) | 
+-----------------------------------------------------------------+ 
|                0 | 
+-----------------------------------------------------------------+ 
1 row in set (0.08 sec) 

這裏的成本爲2500減少到80毫秒每1000次評估。

這是修改後的代碼。在定義這個新的函數之前，您必須先刪除舊的函數，除非您更改名稱。

DELIMITER $$ 
CREATE FUNCTION levenshtein(s1 VARCHAR(255), s2 VARCHAR(255), maxcost INTEGER) 
RETURNS INT 
DETERMINISTIC 
BEGIN 
DECLARE s1_len, s2_len, i, j, c, c_temp, cost INT; 
DECLARE s1_char CHAR; 
-- max strlen=255 
DECLARE cv0, cv1 VARBINARY(256); 
SET s1_len = CHAR_LENGTH(s1), s2_len = CHAR_LENGTH(s2), cv1 = 0x00, j = 1, i = 1, c = 0; 
IF s1 = s2 THEN 
    RETURN 0; 
ELSEIF s1_len = 0 THEN 
    RETURN s2_len; 
ELSEIF s2_len = 0 THEN 
    RETURN s1_len; 
ELSE 
    WHILE j <= s2_len DO 
     SET cv1 = CONCAT(cv1, UNHEX(HEX(j))), j = j + 1; 
    END WHILE; 
    WHILE i <= s1_len DO 
     SET s1_char = SUBSTRING(s1, i, 1), c = i, cv0 = UNHEX(HEX(i)), j = 1; 
     WHILE j <= s2_len DO 
      SET c = c + 1; 
      IF c > maxcost THEN 
       RETURN maxcost; 
      END IF; 
      IF s1_char = SUBSTRING(s2, j, 1) THEN 
       SET cost = 0; 
      ELSE 
       SET cost = 1; 
      END IF; 
      SET c_temp = CONV(HEX(SUBSTRING(cv1, j, 1)), 16, 10) + cost; 
      IF c > c_temp THEN SET c = c_temp; END IF; 
      SET c_temp = CONV(HEX(SUBSTRING(cv1, j+1, 1)), 16, 10) + 1; 
      IF c > c_temp THEN SET c = c_temp; END IF; 
      SET cv0 = CONCAT(cv0, UNHEX(HEX(c))), j = j + 1; 
     END WHILE; 
     SET cv1 = cv0, i = i + 1; 
    END WHILE; 
END IF; 
RETURN c; 
END$$ 
DELIMITER ;