Megosztás a következőn keresztül:


Mi az a homályos karakterlánc-egyezés?

A következőkre vonatkozik: SQL Server 2025 (17.x) Azure SQL DatabaseAzure SQL Managed InstanceSQL Database a Microsoft Fabricben

A két sztring hasonlóságának ellenőrzéséhez használjon homályos vagy hozzávetőleges karakterlánc-egyeztetést, és számítsa ki a két sztring közötti különbséget. Ezzel a funkcióval azonosíthatja azokat a sztringeket, amelyek karakterromlás miatt eltérőek lehetnek. A korrupt állapot magában foglalja a helyesírási hibákat, a felcserélt karaktereket, a hiányzó karaktereket vagy a rövidítéseket. A homályos karakterlánc-egyeztetés algoritmusokkal észleli a hasonló hangzású karakterláncokat.

Note

Az fuzzy string matching jelenleg előzetes verzióban érhető el az SQL Server 2025-ben (17.x), és engedélyeznie kell az előzetes verziójú funkcióadatbázis hatókörű konfigurációját.

Az Azure SQL felügyelt példányban a nem pontos sztringegyeztetés az SQL Server 2025 vagy a mindig naprakész frissítési szabályzattal érhető el.

Fuzzy függvények

Function Description
EDIT_DISTANCE Kiszámítja az egyik sztring egy másikra való átalakításához szükséges beszúrások, törlések, helyettesítések és átültetések számát.
EDIT_DISTANCE_SIMILARITY A 0 (nem egyezést jelző) és a 100 közötti hasonlósági értéket számítja ki (a teljes egyezést jelzi).
JARO_WINKLER_DISTANCE Kiszámítja a két sztring közötti szerkesztési távolságot, amely a megadott előtag hosszának kezdetétől egyező sztringeket részesíti előnyben.
JARO_WINKLER_SIMILARITY A 0 (nem egyezést jelző) és a 100 közötti hasonlósági értéket számítja ki (a teljes egyezést jelzi).

Note

A függvények jelenleg nem tartják be a rendezési beállítások által meghatározott összehasonlító szemantikát, mint például a kis- és nagybetűk meg nem különböztetése és más rendezési szabályok. A rendezési szabályok támogatása után a függvények kimenete ezeket a szemantikát fogja tükrözni, és ennek megfelelően változhat.

Examples

Az alábbi példák az elmosódott sztringkereső függvényeket mutatják be.

Példatábla

A példaként szolgáló lekérdezések futtatása előtt hozzon létre és töltse fel a példatáblát.

A példatábla létrehozásához és feltöltéséhez csatlakozzon egy nem éles felhasználói adatbázishoz, és futtassa a következő szkriptet:

-- Step 1: Create the table
CREATE TABLE WordPairs
(
    WordID INT IDENTITY (1, 1) PRIMARY KEY, -- Auto-incrementing ID
    WordUK NVARCHAR (50), -- UK English word
    WordUS NVARCHAR (50)  -- US English word
);

-- Step 2: Insert the data
INSERT INTO WordPairs (WordUK, WordUS)
VALUES ('Colour', 'Color'),
       ('Flavour', 'Flavor'),
       ('Centre', 'Center'),
       ('Theatre', 'Theater'),
       ('Organise', 'Organize'),
       ('Analyse', 'Analyze'),
       ('Catalogue', 'Catalog'),
       ('Programme', 'Program'),
       ('Metre', 'Meter'),
       ('Honour', 'Honor'),
       ('Neighbour', 'Neighbor'),
       ('Travelling', 'Traveling'),
       ('Grey', 'Gray'),
       ('Defence', 'Defense'),
       ('Practise', 'Practice'), -- Verb form in UK
       ('Practice', 'Practice'), -- Noun form in both
       ('Aluminium', 'Aluminum'),
       ('Cheque', 'Check'); -- Bank cheque vs. check

Példa EDIT_DISTANCE

SELECT WordUK,
       WordUS,
       EDIT_DISTANCE(WordUK, WordUS) AS Distance
FROM WordPairs
WHERE EDIT_DISTANCE(WordUK, WordUS) <= 2
ORDER BY Distance ASC;

Returns:

WordUK                         WordUS                         Distance
------------------------------ ------------------------------ -----------
Practice                       Practice                       0
Aluminium                      Aluminum                       1
Honour                         Honor                          1
Neighbour                      Neighbor                       1
Travelling                     Traveling                      1
Grey                           Gray                           1
Defence                        Defense                        1
Practise                       Practice                       1
Colour                         Color                          1
Flavour                        Flavor                         1
Organise                       Organize                       1
Analyse                        Analyze                        1
Catalogue                      Catalog                        2
Programme                      Program                        2
Metre                          Meter                          2
Centre                         Center                         2
Theatre                        Theater                        2

Példa EDIT_DISTANCE_SIMILARITY

SELECT WordUK,
       WordUS,
       EDIT_DISTANCE_SIMILARITY(WordUK, WordUS) AS Similarity
FROM WordPairs
WHERE EDIT_DISTANCE_SIMILARITY(WordUK, WordUS) >= 75
ORDER BY Similarity DESC;

Returns:

WordUK                         WordUS                         Similarity
------------------------------ ------------------------------ -----------
Practice                       Practice                       100
Travelling                     Traveling                      90
Aluminium                      Aluminum                       89
Neighbour                      Neighbor                       89
Organise                       Organize                       88
Practise                       Practice                       88
Defence                        Defense                        86
Analyse                        Analyze                        86
Flavour                        Flavor                         86
Colour                         Color                          83
Honour                         Honor                          83
Catalogue                      Catalog                        78
Programme                      Program                        78
Grey                           Gray                           75

Példa JARO_WINKLER_DISTANCE

SELECT WordUK,
       WordUS,
       JARO_WINKLER_DISTANCE(WordUK, WordUS) AS Distance
FROM WordPairs
WHERE JARO_WINKLER_DISTANCE(WordUK, WordUS) <= .05
ORDER BY Distance ASC;

Returns:

WordUK                         WordUS                         Distance
------------------------------ ------------------------------ -----------
Practice                       Practice                       0
Travelling                     Traveling                      0.02
Neighbour                      Neighbor                       0.0222222222222223
Aluminium                      Aluminum                       0.0222222222222223
Theatre                        Theater                        0.0285714285714286
Flavour                        Flavor                         0.0285714285714286
Centre                         Center                         0.0333333333333333
Colour                         Color                          0.0333333333333333
Honour                         Honor                          0.0333333333333333
Catalogue                      Catalog                        0.0444444444444444
Programme                      Program                        0.0444444444444444
Metre                          Meter                          0.0466666666666667

Példa JARO_WINKLER_SIMILARITY

SELECT WordUK,
       WordUS,
       JARO_WINKLER_SIMILARITY(WordUK, WordUS) AS Similarity
FROM WordPairs
WHERE JARO_WINKLER_SIMILARITY(WordUK, WordUS) > 90
ORDER BY Similarity DESC;

Returns:

WordUK                         WordUS                         Similarity
------------------------------ ------------------------------ -----------
Practice                       Practice                       100
Aluminium                      Aluminum                       98
Neighbour                      Neighbor                       98
Travelling                     Traveling                      98
Colour                         Color                          97
Flavour                        Flavor                         97
Centre                         Center                         97
Theatre                        Theater                        97
Honour                         Honor                          97
Catalogue                      Catalog                        96
Programme                      Program                        96
Metre                          Meter                          95
Organise                       Organize                       95
Practise                       Practice                       95
Analyse                        Analyze                        94
Defence                        Defense                        94

Példa lekérdezés az összes függvényre

Az alábbi lekérdezés az összes jelenleg elérhető reguláris kifejezésfüggvényt mutatja be.

SELECT T.source_string,
       T.target_string,
       EDIT_DISTANCE(T.source_string, T.target_string) AS ED_Distance,
       JARO_WINKLER_DISTANCE(T.source_string, T.target_string) AS JW_Distance,
       EDIT_DISTANCE_SIMILARITY(T.source_string, T.target_string) AS ED_Similarity,
       JARO_WINKLER_SIMILARITY(T.source_string, T.target_string) AS JW_Similarity
FROM (VALUES ('Black', 'Red'),
             ('Colour', 'Yellow'),
             ('Colour', 'Color'),
             ('Microsoft', 'Msft'),
             ('Regex', 'Regex')
     ) AS T(source_string, target_string);

Returns:

source_string  target_string  ED_Distance    JW_Distance           ED_Similarity  JW_Similarity
-------------- -------------- -------------- --------------------- -------------- --------------
Black          Red            5              1                     0              0
Colour         Yellow         5              0.444444444444445     17             55
Colour         Color          1              0.0333333333333333    83             96
Microsoft      Msft           5              0.491666666666667     44             50
Regex          Regex          0              0                     100            100

Takarítás

Miután végzett a példaadatok használatával, törölje a példatáblát:

IF OBJECT_ID('dbo.WordPairs', 'U') IS NOT NULL
BEGIN
    DROP TABLE dbo.WordPairs;
END