模糊数据匹配

泓丶

如图 我想从sheet1的名称 从数据sheet里模糊找到匹配数值  万分感谢

zpy2

//select * from 基础字符串模糊匹配转换成标准化字符串 limit 3;
create temp table aa as select *,user_func('levenshtein',a.字符串,b.标准化字符串) 编辑距离 from (select rowid,字符串 from  基础字符串模糊匹配转换成标准化字符串) a,(select 标准化字符串 from 基础字符串模糊匹配转换成标准化字符串) b;
select min(编辑距离),字符串,标准化字符串 from aa   group by 字符串 order by rowid;

先匹配字符串？

ww87725244

还是多一点数据比较好，旧例子来说：匹配后面2字就好了(黄瓜、料酒、蚝油)

泓丶

zpy2 发表于 2023-6-11 14:19
//select * from 基础字符串模糊匹配转换成标准化字符串 limit 3;
create temp table aa as select *,user ...

您好 字符串匹配 有一个问题 假如字符串有黄瓜和乳黄瓜 能否匹配到标准化字符串 完全相同的则匹配完全相同 而近似匹配近似呢

zpy2

泓丶 发表于 2023-6-11 14:26
您好 字符串匹配 有一个问题 假如字符串有黄瓜和乳黄瓜 能否匹配到标准化字符串 完全相同的则匹配完全相 ...

levenshtein
百度一下这个算法，根据这个来的

wanghan519

和楼上一样，用的levenshtein距离做模糊查找，只是用exceldna打包了一下，wps可以用32位的xll

泓丶

wanghan519 发表于 2023-6-11 14:47
和楼上一样，用的levenshtein距离做模糊查找，只是用exceldna打包了一下，wps可以用32位的xll

十分感谢 我明白了 比如说黄瓜酱或者黄瓜 模糊就出偏差了

wanghan519

泓丶 发表于 2023-6-12 12:12
十分感谢 我明白了 比如说黄瓜酱或者黄瓜 模糊就出偏差了

比如用“乳黄瓜”去数组["黄瓜","黄瓜酱","荷兰黄瓜","南方乳黄瓜"]里找相似，那么编辑距离（比如删掉乳添加酱才能变成黄瓜酱，编辑距离就是2）是[1,2,3,2]，而最后的排序依据是编辑距离除以对比的两个字符串长度之和，所以排序依据是[1/5,2/6,3/7,2/8]，取其中最小的是黄瓜，但是这种对比方式是可以自定义的，比如不除以两个字符串长度之和，如果只除以右边的字符串长度，则最匹配的是南方乳黄瓜，但这种排序依据通用性不如前一种，或者也可以先结巴分词，再将分词排序，再算编辑距离等等，你可以根据自己的需要做修改

泓丶

wanghan519 发表于 2023-6-12 12:49
比如用“乳黄瓜”去数组["黄瓜","黄瓜酱","荷兰黄瓜","南方乳黄瓜"]里找相似，那么编辑距离（比如删掉乳 ...

好的 感谢  我去研究了

高个子

这个问题编辑距离也会出现这种问题，正确结果是E列