ngram_search

计算两个字符串的 ngram 相似度。

信息

• 目前，字符编码仅支持 ASCII 编码，不支持 UTF-8 编码。
• 函数 ngram_search 区分大小写。另一个函数 ngram_search_case_insensitive 不区分大小写。除此之外，这两个函数是相同的。

语法

DOUBLE ngram_search(VARCHAR haystack, VARCHAR needle, INT gram_num)

参数

• haystack：必需，要比较的第一个字符串。它必须是 VARCHAR 值。它可以是列名或常量值。如果 haystack 是列名，并且在该列的表中创建了 N-Gram bloom filter 索引，则该索引可以加速 ngram_search 函数的计算速度。

• needle：必需，要比较的第二个字符串。它必须是 VARCHAR 值。它只能是常量值。

  提示

  • needle 值的长度不能大于 2^15。否则会抛出错误。
  • 如果 haystack 值的长度大于 2^15，此函数将返回 0。
  • 如果 haystack 或 needle 值的长度小于 gram_num，此函数将返回 0。

• gram_num：必需，用于指定 grams 的数量。建议值为 4。

返回值

返回一个值，描述这两个字符串的相似程度。返回值的范围在 0 到 1 之间。此值越大，两个字符串越相似。

示例

-- The values of haystack and needle are const values.
mysql> select ngram_search('English', 'England',4);
+---------------------------------------+
| ngram_search('English', 'England', 4) |
+---------------------------------------+
|                                  0.25 |
+---------------------------------------+

-- The value of haystack is a column name and the value of needle is a const value.
mysql> select rowkey,ngram_search(rowkey,"31dc496b-760d-6f1a-4521-050073a70000",4) as string_similarity from string_table order by string_similarity desc limit 5;
+--------------------------------------+-------------------+
| rowkey                               | string_similarity |
+--------------------------------------+-------------------+
| 31dc496b-760d-6f1a-4521-050073a70000 |                 1 |
| 31dc496b-760d-6f1a-4521-050073a40000 |         0.8787879 |
| 31dc496b-760d-6f1a-4521-05007fa70000 |         0.8787879 |
| 31dc496b-760d-6f1a-4521-050073a30000 |         0.8787879 |
| 31dc496b-760d-6f1a-4521-0500c3a70000 |         0.8787879 |
+--------------------------------------+-------------------+