使用通配符进行Oracle模糊文本搜索

是否有可能将通配符与UTL_MATCH.EDIT_DISTANCE函数结合使用,或者有不同(甚至更好)的方法吗？

比方说,数据库中有以下名称：

PATRICK NOR
ORVILLE ALEX
OWEN TRISTAN
OKEN TRIST

查询看起来像OKEN * IST *,并且应该返回OWEN TRISTAN和OKEN TRISTAN. OKEN将是100％的比赛而OWEN则更少.

我目前的测试查询如下：

SELECT gp.partner,gp.bu_sort1,UTL_MATCH.edit_distance(gp.bu_sort1,?) as edit_distance,FROM but000 gp
      WHERE UTL_MATCH.edit_distance(gp.bu_sort1,?) < 4

此查询工作正常,除非在搜索字符串中使用通配符*(这很常见).

您可能会使用模糊运算符,但要小心处理.大多数oracle文本功能都依赖于语言(它们考虑了英语词典,德语等).

例如

-- create and populate the table
create table xxx_names (name varchar2(100));

insert into xxx_names(name) values('PATRICK NOR');
insert into xxx_names(name) values('ORVILLE ALEX');
insert into xxx_names(name) values('OWEN TRISTAN');
insert into xxx_names(name) values('OKEN TRIST');
insert into xxx_names(name) values('OKENOR SAD');
insert into xxx_names(name) values('OKENEAR TRUST');

--create the domain index
create index xxx_names_ctx on xxx_names(name) indextype is ctxsys.context;

此查询将返回您可能喜欢的结果(输入为字符串“TRST”)

select
  SCORE(1),name
from
  xxx_names n
where
  CONTAINS(n.name,'definescore(fuzzy(TRST,1,6,weight),relevance)',1) > 0
; 



  SCORE(1) NAME               
---------- --------------------
         1 OWEN TRISTAN        
        22 OKEN TRIST

但是使用输入字符串“IST”它可能不会返回任何内容(在我的情况下,这就是它的作用).
另请注意,通常,默认情况下,少于3个字符的输入被视为不匹配.
如果您取消“模糊”要求并坚持找到仅包含您传入的确切序列的行,您可能会获得更“可预测”的结果.
在这种情况下尝试使用ctxcat索引,顺便说一下,它支持一些通配符(警告：支持多列,但列的大小不能超过30个字符！)

-- create and populate the table
--max length is 30 chars,otherwise the catsearch index can't be created
create table xxx_names (name varchar2(30));

insert into xxx_names(name) values('PATRICK NOR');
insert into xxx_names(name) values('ORVILLE ALEX');
insert into xxx_names(name) values('OWEN TRISTAN');
insert into xxx_names(name) values('OKEN TRIST');
insert into xxx_names(name) values('OKENOR SAD');
insert into xxx_names(name) values('OKENEAR TRUST');

begin

ctx_ddl.create_index_set('xxx_names_set');
ctx_ddl.add_index('xxx_names_set','name'); 

end;
/

drop index xxx_names_cat;
CREATE INDEX xxx_names_cat ON xxx_names(name) INDEXTYPE IS CTXSYS.CTXCAT
PARAMETERS ('index set xxx_names_set');

后者,使用此查询可以很好地工作(输入是“* TRIST *”)

select
  UTL_MATCH.edit_distance(name,'TRIST') dist,name
from
  xxx_names
where
  catsearch(name,'*TRIST*','order by name desc') > 0
;

      DIST NAME               
---------- --------------------
         7 OWEN TRISTAN        
         5 OKEN TRIST

但是输入“* O * TRIST *”不会返回任何内容(由于某些原因).

底线：文本索引可能是唯一的方法(性能),但你必须弄清楚了解所有的复杂性.

参考文献：

>模糊搜索：Oracle Text CONTAINS Query Operators
> catsearch：Oracle Text SQL Statements and Operators

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!