postgresql - 在 postgresql 中检查 IF String1 = String2(只有 1 个拼写错误)(fuzzymatch 和 levenshtein 不可用)

Question

我需要检查一个电子邮件地址是否与另一个电子邮件地址匹配，但可能有一个拼写错误(例如，“hormail”而不是“hotmail”、缺少一个字母或一个额外的字母)。

这是一个 postgresql(版本 9.1.4)查询，fuzzymatch 和 levenshtein 都不可用。

Answer 1

这是一个起点。该函数将两封电子邮件分解为 (char-pos, char) 对，然后找到两个输入之间不匹配的对。

CREATE OR REPLACE FUNCTION email_diffs(
    email1 IN text, email2 IN text, 
    chnum OUT integer, ch OUT text, fromwhich OUT integer
) 
RETURNS SETOF RECORD AS $$
BEGIN
    RETURN QUERY
    WITH 
        e1chars AS (
            SELECT generate_series(0, length($1) -1 ) AS chpos, regexp_split_to_table($1,'') ch
        ),
        e2chars AS (
            SELECT generate_series(0, length($2) - 1) AS chpos, regexp_split_to_table($2,'') ch
        ),
        only_in_e1chars AS (
            SELECT * FROM e1chars EXCEPT SELECT * FROM e2chars
        ),
        only_in_e2chars AS (
            SELECT * FROM e2chars EXCEPT SELECT * FROM e1chars
        ),
        mismatched_pairs AS (
            SELECT *, 1 FROM only_in_e1chars UNION SELECT *, 2 FROM only_in_e2chars
        )
    SELECT * FROM mismatched_pairs;
END;
$$ LANGUAGE 'plpgsql' IMMUTABLE;

结果是这样的:

regress=# SELECT * FROM email_diffs('fred@bo','fred@bob');
 chnum | ch | fromwhich 
-------+----+-----------
     7 | b  |         2
(1 row)

regress=# SELECT * FROM email_diffs('fred@bob','fred@bbo');
 chnum | ch | fromwhich 
-------+----+-----------
     6 | b  |         2
     6 | o  |         1
     7 | b  |         1
     7 | o  |         2
(4 rows)

您应该能够使用另一个 CTE 来调用它来测试您感兴趣的每个错误，或者只是在该主函数中扩展 CTE 并使用附加子句来测试每个案例并返回结论。

具体如何做到这一点取决于您必须测试的规则的具体情况，以及您对准确检测一个拼写错误的严格程度。你没有具体说明。

---

您可能已经注意到在 e1chars 和 e2chars 中使用没有 FROM 子句的 SELECT 看起来很奇怪，其中在 SELECT 列表中调用了两个函数。这是一个非常奇怪的 PostgreSQL 对 SQL 的扩展，你真的不应该通常使用它，因为结果通常不是你所期望的。 PostgreSQL 将在 9.3 中支持 SQL 标准的 LATERAL 语法，应该优先使用它。