Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Şunlar için geçerlidir:
SQL Server 2025 (17.x) Azure SQL VeritabanıAzure SQL Yönetilen ÖrneğiMicrosoft Fabric'te SQL veritabanı
İki dizenin benzer olup olmadığını denetlemek ve iki dize arasındaki farkı hesaplamak için benzer veya yaklaşık dize eşleştirmeyi kullanın. Karakter bozulması nedeniyle farklı olabilecek dizeleri tanımlamak için bu özelliği kullanın. Bozulma, yazım hatalarını, dönüştürülen karakterleri, eksik karakterleri veya kısaltmaları içerir. Bulanık dize eşleştirme, benzer ses dizelerini algılamak için algoritmalar kullanır.
Note
Benzer dize eşleştirme şu anda SQL Server 2025 (17.x) için önizleme aşamasındadır ve önizleme özelliği veritabanı kapsamlı yapılandırmasını etkinleştirmeyi gerektirir.
Bulanık dize eşleştirme, Azure SQL Yönetilen Örneği'nde SQL Server 2025 veya Always-up-to-dategüncelleştirme ilkesiyle kullanılabilir.
Bulanık fonksiyonlar
| Function | Description |
|---|---|
| EDIT_DISTANCE | Bir dizeyi başka bir dizeye dönüştürmek için gereken ekleme, silme, değiştirme ve dönüştürme işlemlerinin sayısını hesaplar. |
| EDIT_DISTANCE_SIMILARITY | 0 (eşleşme olmadığını gösterir) ile 100 arasında bir benzerlik değeri hesaplar (tam eşleşmeyi gösterir). |
| JARO_WINKLER_DISTANCE | Ayarlanmış ön ek uzunluğu için baştan eşleşen dizeleri tercih ederek iki dize arasındaki düzenleme mesafesini hesaplar. |
| JARO_WINKLER_SIMILARITY | 0 (eşleşme olmadığını gösterir) ile 100 arasında bir benzerlik değeri hesaplar (tam eşleşmeyi gösterir). |
Note
İşlevler şu anda büyük/küçük harf duyarsızlığı ve sıralamaya özgü diğer kurallar gibi sıralama ayarları tarafından tanımlanan karşılaştırma semantiği ile uyumlu değildir. Harmanlama kuralları desteği uygulandıktan sonra işlevlerin çıkışı bu semantiği yansıtır ve buna göre değişebilir.
Examples
Aşağıdaki örneklerde bulanık dize eşleştirme işlevleri gösterilmektedir.
Örnek tablo
Örnek sorguları çalıştırabilmeniz için önce örnek bir tablo oluşturun ve doldurun.
Örnek tabloyu oluşturmak ve doldurmak için üretim dışı bir kullanıcı veritabanına bağlanın ve aşağıdaki betiği çalıştırın:
-- 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
Örneğin 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
Örnek 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
Örnek 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
Örnek 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
Tüm işlevleri içeren örnek sorgu
Aşağıdaki sorgu, şu anda kullanılabilir durumdaki tüm normal ifade işlevlerini gösterir.
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
Temizleme
Örnek verileri kullanmayı bitirdikten sonra örnek tabloyu silin:
IF OBJECT_ID('dbo.WordPairs', 'U') IS NOT NULL
BEGIN
DROP TABLE dbo.WordPairs;
END