Oracle_SQL：數據查詢過程中SQL技巧總結（持續更新中）

1: 如何計算兩字段中字符串的相似程度？

有時候我們需要對比兩個字段相似程度，Oracle提供一個函數用於使用。

涉及函數（11gR2）

UTL_MATCH 的4個子程序來進行處理(subprogram)

Subprogram	Description
EDIT_DISTANCE	Calculates the number of changes required to transform string-1 into string-2 計算字符串string-1 轉成string-2需要做幾次改變
EDIT_DISTANCE_SIMILARITY	Calculates the number of changes required to transform string-1 into string-2, returning a value between 0 (no match) and 100 (perfect match) 計算字符串string-1 轉成string-2需要做改變的次數，剩下的值，0代表沒有一個字符匹配，100代表完全匹配
JARO_WINKLER	Calculates the measure of agreement between string-1 and string-2 計算字符串1和字符串2之間的一致程度
JARO_WINKLER_SIMILARITY	Calculates the measure of agreement between string-1 and string-2, returning a value between 0 (no match) and 100 (perfect match)計算字符串1和字符串2之間的一致程度，返回0（不匹配）和100（完全匹配）之間的值

UTL_MATCH函數簡介

The UTL_MATCH package facilitates matching two records. This is typically used to match names, such as two First Names or two Last Names.
譯文：UTL_MATCH包有助於匹配兩個記錄。 這通常用於匹配名稱，例如兩個名或兩個姓。

Edit Distance 概念

“Edit Distance”也稱爲“ Levenshtein距離”（以俄羅斯科學家Vladimir Levenshtein的名字命名，他於1965年設計了該算法），它是兩個字符串s1和s2之間相似度的量度。 距離是將s1轉換爲s2所需的插入，刪除或替換的數量。

UTL_MATCH.EDIT_DISTANCE((string-1, string-2)

UTL_MATCH.EDIT_DISTANCE_SIMILARITY(string-1, string-2)

Jaro-Winkler 概念

“ Jaro-Winkler算法”是另一種計算兩個字符串之間的編輯距離的方法。 在美國人口普查局開發的此方法是一種字符串比較器量度，可提供兩個字符串之間的部分一致值。 字符串比較器考慮了字符串的長度，部分考慮了字母數字字符串中常見的人爲錯誤。

UTL_MATCH.JARO_WINKLER (string-1, string-2)

UTL_MATCH.JARO_WINKLER_SIMILARITY (string-1, string-2)

應用舉例

UTL_MATCH.EDIT_DISTANCE

英文處理

SELECT LENGTHB ('ilovechina') ori_len,
       LENGTHB ('lovechina') comp_len,
       UTL_MATCH.EDIT_DISTANCE ('ilovechina', 'lovechina') result
  FROM DUAL;

中文處理(支持不好)

SELECT LENGTHB ('我愛中國') ori_len,
       LENGTHB ('森林好帥') comp_len,
       UTL_MATCH.EDIT_DISTANCE ('我愛中國', '森林好帥') result
  FROM DUAL;  

UTL_MATCH.EDIT_DISTANCE_SIMILARITY

英文處理

SELECT LENGTHB ('ilovechina') ori_len,
       LENGTHB ('lovechina') comp_len,
       UTL_MATCH.EDIT_DISTANCE_SIMILARITY ('ilovechina', 'lovechina') result
  FROM DUAL;

中文處理(支持不好)

SELECT LENGTHB ('我愛中國') ori_len,
       LENGTHB ('森林好帥') comp_len,
       UTL_MATCH.EDIT_DISTANCE_SIMILARITY ('我愛中國', '森林好帥') result
  FROM DUAL;  

UTL_MATCH.JARO_WINKLER

英文處理

SELECT LENGTHB ('ilovechina') ori_len,
       LENGTHB ('lovechina') comp_len,
       UTL_MATCH.JARO_WINKLER ('ilovechina', 'lovechina') result
  FROM DUAL;

中文處理(支持不好)

SELECT LENGTHB ('我愛中國') ori_len,
       LENGTHB ('森林好帥') comp_len,
       UTL_MATCH.JARO_WINKLER ('我愛中國', '森林好帥') result
  FROM DUAL;  

UTL_MATCH.JARO_WINKLER_SIMILARITY

英文處理

SELECT LENGTHB ('ilovechina') ori_len,
       LENGTHB ('lovechina') comp_len,
       UTL_MATCH.JARO_WINKLER_SIMILARITY ('ilovechina', 'lovechina') result
  FROM DUAL;

中文處理(支持不好)

SELECT LENGTHB ('我愛中國') ori_len,
       LENGTHB ('森林好帥') comp_len,
       UTL_MATCH.JARO_WINKLER_SIMILARITY ('我愛中國', '森林好帥') result
  FROM DUAL;