Nuta
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Dotyczy:
SQL Server 2025 (17.x) Azure SQL DatabaseAzure SQL Managed InstanceSQL database w Microsoft Fabric
Użyj dopasowania rozmytego lub przybliżonego, żeby sprawdzić, czy dwa łańcuchy są podobne, i obliczyć różnicę między dwoma łańcuchami. Użyj tej funkcji, aby zidentyfikować ciągi, które mogą być inne z powodu uszkodzenia znaków. Uszkodzenie obejmuje błędy pisowni, transponowane znaki, brakujące znaki lub skróty. Dopasowywanie ciągów rozmyte używa algorytmów do wykrywania podobnych ciągów dźwiękowych.
Note
Dopasowywanie ciągów rozmytych jest obecnie dostępne w wersji zapoznawczej dla programu SQL Server 2025 (17.x) i wymaga włączenia konfiguracji funkcji wersji zapoznawczej w zakresie bazy danych.
Dopasowywanie rozmytych ciągów znaków jest dostępne w usłudze Azure SQL Managed Instance z
Funkcje rozmyte
| Function | Description |
|---|---|
| EDIT_DISTANCE | Oblicza liczbę wstawiania, usuwania, podstawień i transpozycji potrzebnych do przekształcenia jednego ciągu na inny. |
| EDIT_DISTANCE_SIMILARITY | Oblicza wartość podobieństwa z zakresu od 0 (wskazującą brak dopasowania) do 100 (wskazującą pełne dopasowanie). |
| JARO_WINKLER_DISTANCE | Oblicza odległość edycji między dwoma ciągami, które preferuje ciągi zgodne od początku dla długości prefiksu zestawu. |
| JARO_WINKLER_SIMILARITY | Oblicza wartość podobieństwa z zakresu od 0 (wskazującą brak dopasowania) do 100 (wskazującą pełne dopasowanie). |
Note
Obecnie funkcje nie są zgodne z semantykami porównania zdefiniowanymi przez ustawienia sortowania, takimi jak bez uwzględniania wielkości liter i inne reguły specyficzne dla sortowania. Po zaimplementowaniu obsługi reguł sortowania dane wyjściowe funkcji będą odzwierciedlać te semantyki i mogą odpowiednio ulec zmianie.
Examples
W poniższych przykładach przedstawiono funkcje dopasowywania ciągów rozmytych.
Przykładowa tabela
Przed uruchomieniem przykładowych zapytań utwórz i wypełnij przykładową tabelę.
Aby utworzyć i wypełnić przykładową tabelę, połącz się z nieprodukcyjną bazą danych użytkownika i uruchom następujący skrypt:
-- 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
Przykład 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
Przykład 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
Przykład 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
Przykład 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
Przykładowe zapytanie ze wszystkimi funkcjami
Poniższe zapytanie demonstruje obecnie wszystkie dostępne funkcje wyrażeń regularnych.
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
Czyszczenie
Po zakończeniu korzystania z przykładowych danych usuń przykładową tabelę.
IF OBJECT_ID('dbo.WordPairs', 'U') IS NOT NULL
BEGIN
DROP TABLE dbo.WordPairs;
END