Potrzebuje na poziomie bazy wyciągnąć rekordy w których jedno z pól jest zbliżone w 90% do podanego ciągu. Tak w PHP jest funckja similar_text jednak to powinno się robić na poziomie bazy. Chodzi o coś takiego:

[SQL] pobierz, plaintext 
SELECT foo.id FROM foo WHERE SIMILAR( foo.name, 'jakis string' ) > 0.9
[SQL] pobierz, plaintext 

tyle, że takiej funkcji w MySQL nie ma Da się to w ogóle zrobić na MySQL`u?

Na forum znalazłem identyczny temat http://forum.php.pl/index.php?showtopic=70797 jednak nie rozwiązany...

W mysql jest wyszukiwanie pełnotekstowe (FULLTEXT) dla tabel na silniku MyIsam. Na silniku InnoDb powinieneś użyć sphinxa.
Zapomnij o soundex, służy do czegoś innego. Levensthein jest czymś podobnym ale potrzebuje funkcji składowanej http://codejanitor.com/wp/2007/02/10/leven...tored-function/

Podpowiedź aby zainstalować procedurę.

[SQL] pobierz, plaintext 
DELIMITER |;
[KOD PROCEDURY]
 
DELIMITER ;
[SQL] pobierz, plaintext 

Super. Dzięki!

Btw. rozumiem, że to inne algorytmy są, bo dla

[PHP] pobierz, plaintext 
similar_text( 'abrakadabra', 'kadabra', $procent );
echo $procent;
[PHP] pobierz, plaintext 

dostaje: 77,(7)

natomiast dla:

[SQL] pobierz, plaintext 
SELECT LEVENSHTEIN_RATIO( 'abrakadabra', 'kadabra' );
[SQL] pobierz, plaintext 

dostaje: 64

Jest to różnica algorytmów.
similar_text korzysta z algorytma Olivera , drugi Levenshteina
Wyniki, które podałeś są oczywiste.

Może powiedz co chcesz uzyskać to dobierzemy coś dla Ciebie.

W sumie to dla mnie chyba bez różnicy który algorytm, wystarczy skalibrować przy ilu % otrzymuje dane które są na tyle podobne, że możliwe, że to literówka.

Przy prostych literówkach lepiej nie porównywać procentowo tylko po prostu liczbowo.
Odległość levenstheina mówi ile zmian musisz dokonać aby jedno słowo zamienić w drugie. Więc myślę że 3 (max 4) są w zupełności zadowalające.

Sprawdzę. Na pewno będzie to szybsze

Nie będę zakładać nowego tematu, ale mam kolejne zapytanie:

[SQL] pobierz, plaintext 
SELECT id, name, LEVENSHTEIN_RATIO( name, '/*tu mam zmienna*/' ) AS similar FROM foo WHERE LEVENSHTEIN_RATIO( name, '/*tu mam zmienna*/' ) >= 90 GROUP BY id ORDER BY similar DESC
[SQL] pobierz, plaintext 

i ogólnie chodzi mi o to, że hm... funkcja LEVENSHTEIN_RATIO jest wykonywana 2 razy tak? Czy nie wiem jest ten wynik jakoś cachowany w bazie? Jeśli nie to jak zrobić tak aby nie liczyć tego 2 razy bo przy kilku tys. rekordów to troszkę trwa. Nie sprawdzałem (jest późno a mnie się oczy kleją) ale podzapytanie dało by chyba radę. Jakieś inne rozwiązanie?

Szczerze to nie chce mi się teraz kombinować ale wystarczy użyć having albo zmiennej. Co lepiej, niestety za późno by testować

Okej to tak, zwykła odległość Levenstheina przy małych stringach powinna być mała.

[SQL] pobierz, plaintext 
SELECT authorName FROM `msh_name_author` WHERE LEVENSHTEIN( authorName, 'kant' ) < 4
[SQL] pobierz, plaintext 

Dostaje:


Dla warunku < 3 wyniki są jak dla mnie zadowalające


Ale przy długich stringach max 2 zmieny to imho mało, więc chyba zostanę jednak na procentowej wersji.

Użyłem zmiennej i HAVING i nie zauważam zmniejszenia czasu wykonani, może jednak to nie jest liczone 2 razy?

[SQL] pobierz, plaintext 
SELECT authorId, authorName, (
    @t := LEVENSHTEIN_RATIO( authorName, 'kant' )
) AS similar
FROM msh_name_author
HAVING similar > 70
[SQL] pobierz, plaintext 

Jeszcze jedna sprawa - dla tabelki w której mam ~1200 rekordów to jest strasznie wolne (~7 sec) więc pomyślałem, żeby nie mielić całej tabelki tylko rekordy o inentycznej pierwszej literze, wygląda to tak:

[SQL] pobierz, plaintext 
SELECT authorId, authorName, (
    @t := LEVENSHTEIN_RATIO( authorName, 'kant' )
) AS similar
 
FROM (
    SELECT authorId, authorName
    FROM msh_name_author
    WHERE SUBSTRING( authorName, 1, 1 ) = 'k'
) AS foo
HAVING similar >70 
[SQL] pobierz, plaintext 

Prawie przy 'k' wykonuje się ~0.2 sec więc jest okej. Przy szukaniu literówek to chyba dobry pomysł bo raczej rzadko robi się literówkę w pierwszym znaku, chyba że ma ktoś inny pomysł?

Ten pomysł jest ok, ale stworzyłbym dodatkową kolumne przedstawiajaca ilosc znakow w słowie.
Dzięki temu np jak szukasz słowo "test" to założysz warunek

[SQL] pobierz, plaintext 
dlugosc_slowa BETWEEN 2 AND 6
[SQL] pobierz, plaintext 

co jeszcze lepiej ograniczy wyniki

Jeżeli chcesz szukać jeszcze inaczej zainteresuj się n-gramami.