Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
S’applique à :
Base de données SQL Server 2025 (17.x) Azure SQL DatabaseAzure SQL Managed InstanceSQL dans Microsoft Fabric
Note
En tant que fonctionnalité en préversion, la technologie présentée dans cet article est soumise aux conditions d’utilisation supplémentaires des préversions de Microsoft Azure.
Calcule une valeur de similarité allant de 0 (indiquant qu’aucune correspondance) à 100 (indiquant une correspondance complète).
Note
-
EDIT_DISTANCE_SIMILARITYest actuellement en aperçu. -
EDIT_DISTANCE_SIMILARITYactuellement ne prend pas en charge les transposes. - Le support de SQL Server a
EDIT_DISTANCE_SIMILARITYété introduit dans SQL Server 2025 (17.x). -
EDIT_DISTANCE_SIMILARITYest disponible dans Azure SQL Managed Instance avec la stratégie de mise à jourSQL Server 2025 ou Always-up-to-date.
Syntax
EDIT_DISTANCE_SIMILARITY (
character_expression
, character_expression
)
Arguments
character_expression
Expression alphanumérique des données de caractères. character_expression peut être une constante, une variable ou une colonne. L’expression du caractère ne peut pas être du type varchar(max) ou nvarchar(max).
Types de retour
int
Remarks
Cette fonction implémente l’algorithme Damerau-Levenshtein. Si l’une des entrées est NULL, la fonction retourne une valeur NULL. Sinon, la fonction retourne une valeur entière comprise entre 0 et 100. La valeur de similarité est calculée en tant que (1 – (edit_distance / greatest(len(string1), len(string2)))) * 100.
Examples
L’exemple suivant compare deux mots et retourne la valeur sous la EDIT_DISTANCE_SIMILARITY() forme d’une colonne nommée Distance.
SELECT 'Colour' AS WordUK,
'Color' AS WordUS,
EDIT_DISTANCE_SIMILARITY('Colour', 'Color') AS Distance;
Returns:
WordUK WordUS Distance
------ ------ -----------
Colour Color 83
Pour obtenir d’autres exemples, consultez l’exemple EDIT_DISTANCE_SIMILARITY().