计算SQL

Question

我打算写两个输入字符串的TSQL功能和作为输出的话相似的百分比，例如类似的话两个字符串之间的数字：

SELECT [dbo].[FN_CalcSimilarWords]('Golden horses hotel','Hotel Golden Horses') 

返回：

3/3 

或

SELECT [dbo].[FN_CalcSimilarWords]('Golden horses','Golden horses Malaysia') 

返回：

2/3 

我在考虑循环和比较分析字符串后的单词到This split function，任何其他想法，以获得更好的性能？

Answer 1

如果你想在SQL中做到这一点，我会采取一种方法。

创建两个临时表，使用分流常规，叫Words1和Words2

现在连接表，并获得数，即

select count(*) 
from Words1 w1 
join Words2 w2 on w1.word=w2.word 

让SQL做它是为

优化方法

这里是如何从两个表中获取计数

select count(distinct w1.word) as Matches, 
     count(distinct w1.word) as FromW1, 
     count(distinct w2.word) as FromW2 
    from #Words1 w1 
    left join #Words2 w2 on w1.word=w2.word 

Answer 2

如果您在部署CLR程序集时没有任何限制，则可以尝试此路线并比较性能。

Answer 3

如果您不担心具有普通项目的确切数量，则可以使用SQL Server全文搜索功能。 ContainsTable和FREETEXT函数都返回一个Rank。看到这里的细节

Full Text Ranking

Answer 4

原来的答案： SQL Fiddle

我看到@ T-克劳森在PTR Blog

编辑

这种技术修正，以解决意见问题。DK：

SQL Fiddle

MS SQL Server 2012的架构设置：

CREATE TABLE StringTable 
(
    Id INT IDentity, 
    String varchar(max) 
) 

INSERT INTO StringTable 
VALUES ('xx xx Golden horses Malaysia'), 
     ('xx xx xx xx xx') 

查询1：

WITH StringsCTE 
AS 
(
    SELECT ID,String As StringValue, 
      CASE CHARINDEX(' ', String) 
       WHEN 0 THEN String 
       ELSE LEFT(String, CHARINDEX(' ',String) -1) 
      END AS Word, 
      1 as Position, 
      CASE CHARINDEX(' ',String) 
       WHEN 0 THEN '' 
       ELSE RIGHT(String, LEN(String) - CHARINDEX(' ',String)) 
      END AS RestOfLine 
    FROM StringTable 
    UNION ALL 

    SELECT Id,S.StringValue, 
      CASE CHARINDEX(' ',RestOfLine) 
       WHEN 0 THEN RestOfLine 
       ELSE LEFT(RestOfLine, CHARINDEX(' ',RestOfLine) -1) 
      END, 
      Position + 1, 
      CASE CHARINDEX(' ',RestOfLine) 
       WHEN 0 THEN '' 
       ELSE RIGHT(RestOfLine, LEN(RestOfLine) - CHARINDEX(' ',RestOfLine)) 
      END 
    FROM StringsCTE S 
    WHERE s.RestOfLine != '' 
), 
WordsPerString 
As 
(
    SELECT S.Id, COUNT(s.Word) As NumberOfWords 
    FROM StringsCTE S 
    GROUP BY S.Id 
) 
SELECT COUNT(*) As Matches, (SELECT MAX(NumberOfWords) FROM WordsPerString) as Total 
FROM StringsCTE S1 
INNER JOIN StringsCTE S2 
    ON S1.Word = S2.Word AND S1.Id <> S2.Id 
WHERE S1.Id = 1 AND 
    NOT EXISTS -- Not already matched 
    (SELECT * FROM StringsCTE S3 WHERE S3.Word = S2.Word AND S3.Id <> S1.ID AND S3.Position < S2.Position) 

Results：

| MATCHES | TOTAL | 
|---------|-------| 
|  2 |  5 | 

Answer 5

有了这个解决方案，我假设你想重复删除。切换第一个和第二个参数对结果没有影响。

它返回一个值，而不是百分比，因为函数只能返回1个值或一个表。我假设你想在0和1之间的值，使得2/3 = 0.67或67％，如果你用100

CREATE function f_functionx 
(
    @str1 varchar(2000), 
    @str2 varchar(2000) 
) 
returns decimal(5,2) 
as 
BEGIN 
DECLARE @returnvalue decimal(5,2) 
DECLARE @list1 table(value varchar(50)) 
INSERT @list1 
SELECT t.c.value('.', 'VARCHAR(2000)') 
FROM (
    SELECT x = CAST('<t>' + 
     REPLACE(@str1, ' ', '</t><t>') + '</t>' AS XML) 
) a 
CROSS APPLY x.nodes('/t') t(c) 

DECLARE @list2 table(value varchar(50)) 
INSERT @list2 
SELECT t.c.value('.', 'VARCHAR(2000)') 
FROM (
    SELECT x = CAST('<t>' + 
     REPLACE(@str2, ' ', '</t><t>') + '</t>' AS XML) 
) a 
CROSS APPLY x.nodes('/t') t(c) 


;WITH isect as 
(
    SELECT count(*) match FROM 
    (
    SELECT value FROM @list1 
    INTERSECT 
    SELECT value FROM @list2 
) x 
), total as 
(
    SELECT max(cnt) cnt 
    FROM 
    (
    SELECT count(distinct value) cnt FROM @list1 
    UNION ALL 
    SELECT count(distinct value) FROM @list2 
) x 
) 
SELECT 
    @returnvalue = cast(isect.match as decimal(9,2))/total.cnt 
FROM total 
CROSS JOIN isect 

RETURN @returnvalue 
END 

GO 

乘你这样调用该函数：

SELECT dbo.f_functionx('Golden horses', 'Golden horses') 
SELECT dbo.f_functionx('Golden horses', 'Golden horses XX') 

返回：

1 
0.67