字串相似性判斷（fuzzystrmatch） - ApsaraDB RDS

RDS PostgreSQL支援fuzzystrmatch外掛程式，提供Soundex、Levenshtein、Metaphone和Double Metaphone四種功能，能夠用來判斷字串之間的相似性和距離。

外掛程式開啟與關閉

開啟外掛程式。
```
CREATE EXTENSION fuzzystrmatch;
```
關閉外掛程式。
```
DROP EXTENSION fuzzystrmatch;
```

Soundex

Soundex功能可以將相似發音的名字轉換成相同的代碼並進行匹配，但是Soundex對於非英語名稱效果較差。

Soundex功能提供如下函數：

soundex(text) returns text
difference(text, text) returns int

soundex函數將一個字串轉換成它的Soundex代碼（例如A550）。
difference函數將兩個字串轉換成它們的Soundex代碼並報告兩個代碼匹配位置的數量。由於Soundex代碼具有四個字元，代碼匹配位置數量的取值範圍是0~4，0表示沒有匹配，4表示完全符合。

用法樣本如下：

SELECT soundex('hello world!');
SELECT soundex('Anne'), soundex('Andrew'), difference('Anne', 'Andrew');
SELECT soundex('Anne'), soundex('Margaret'), difference('Anne', 'Margaret');

CREATE TABLE s (nm text);
INSERT INTO s VALUES ('john');
INSERT INTO s VALUES ('joan');
INSERT INTO s VALUES ('wobbly');
INSERT INTO s VALUES ('jack');

SELECT * FROM s WHERE soundex(nm) = soundex('john');
SELECT * FROM s WHERE difference(s.nm, 'john') > 2;

Levenshtein

Levenshtein功能可以計算兩個字串之間的編輯距離（Levenshtein距離）。

Levenshtein功能提供如下函數：

levenshtein(text source, text target, int ins_cost, int del_cost, int sub_cost) returns int
levenshtein(text source, text target) returns int
levenshtein_less_equal(text source, text target, int ins_cost, int del_cost, int sub_cost, int max_d) returns int
levenshtein_less_equal(text source, text target, int max_d) returns int

參數說明如下。

參數	說明
source	第一個字串，任意非Null 字元串，最長支援255個字元。
target	第二個字串，任意非Null 字元串，最長支援255個字元。
ins_cost	字元插入的開銷。
del_cost	字元刪除的開銷。
sub_cost	字元替換的開銷。
max_d	最大Levenshtein距離。

說明 levenshtein_less_equal函數是Levenshtein函數的加速版本，在只計算小距離時使用：

如果實際的距離低於或等於max_d，levenshtein_less_equal返回精確值。
如果實際的距離大於max_d，levenshtein_less_equal返回大於max_d的值。
如果max_d為負值，levenshtein_less_equal函數和levenshtein函數相同。

用法樣本如下：

SELECT levenshtein('GUMBO', 'GAMBOL');
SELECT levenshtein('GUMBO', 'GAMBOL', 2,1,1);
SELECT levenshtein_less_equal('extensive', 'exhaustive',2);
SELECT levenshtein_less_equal('extensive', 'exhaustive',4);

Metaphone

Metaphone功能的思想和Soundex功能相同，構建一個輸入字串的表示代碼，如果兩個字串具有相同的代碼則認為它們相似。

Metaphone功能提供如下函數：

metaphone(text source, int max_output_length) returns text

參數說明如下。

參數	說明
source	任意非Null 字元串，最長支援255個字元。
max_output_length	設定輸出的metaphone代碼的最大長度，如果超長，輸出會被截斷到這個長度。

用法樣本如下：

SELECT metaphone('GUMBO', 4);

Double Metaphone

Double Metaphone功能能夠為一個輸入的字串計算出兩個相似的字串，包括一個主要函數和一個次要函數。在大部分情況下它們是相同的，但是對於非英語名稱它們可能有一點不同（取決於發音）。

Double Metaphone功能提供的主要和次要函數如下：

dmetaphone(text source) returns text
dmetaphone_alt(text source) returns text

用法樣本如下：

select dmetaphone('gumbo');
select dmetaphone_alt('gumbo');