Algorithm 算法：通过数据库从字符串中提取关键字

例如，我们有以下字符串。 “披头士-想象一下” 另外，我们在PostgreSQL中有一个巨大的艺术家名单

给定那个字符串，我想使用我的数据库识别艺术家

我正在寻找最优化、最快速的算法/技术来实现这一点。所以迭代数据库中的所有记录并寻找子字符串是不适用的

弦乐可以是“想象-披头士”，“想象，披头士”。就像Youtube视频中的歌曲名称一样

Solr、ElasticSearch或其他技术是否有帮助？

---

我希望能得到一些极客的建议。

这个问题有两个部分。困难的部分是确定艺术家和头衔。你有各种各样的变化：

• 披头士乐队-想象一下
• 披头士-想象一下
• 想象一下——披头士乐队
• 想象一下，披头士乐队
• 想象一下，披头士乐队
• 想象一下——披头士乐队

其他还包括专辑：

• 想象-想象-披头士乐队

如果这些数据是随机不匹配的，那么您将很难处理这些数据-将这些数据规范化为字段将需要一个包含“曲目名称”和“艺术家名称”的数据库来尝试匹配，并且需要大量猜测

我要做的就是忽略整个混乱，把它扔向全文搜索引擎

test=> select to_tsvector('simple', 'Beatles, The - Imagine');
           to_tsvector           
---------------------------------
 'beatles':1 'imagine':3 'the':2
(1 row)

test=> select to_tsvector('simple', 'Beatles, The - Imagine') @@ to_tsquery('simple', 'Beatles');
 ?column? 
----------
 t
(1 row)

---

如果您能够将其转换为字段分隔的规范化数据，您的搜索将变得更加强大，因为您可以使用

setweight

、

ts_rank

、

tsvector

与

|

串联等方法对字段进行加权匹配，如果数据库中的任何记录都可能包含搜索字符串，则必须搜索数据库中的所有记录

---

您可以使用类似的工具同时搜索大量相同长度的搜索字符串：“甲壳虫乐队”，“甲壳虫乐队”。如果你忽略空格和/或标点符号，那么你也许可以减少更多的传球次数：“披头士”，“披头士，the”，“披头士the”。如果你只计算字母，克雷格·林格答案中的所有例子的长度都是相同的；你可以使用拉宾·卡普（Rabin Karp）

以及“披头士乐队”.呃。。。s/披头士/约翰·列侬