Mysql 选择相似的记录 请考虑以下记录： 无名氏 戈恩·多伊 彼得·阿蒙德 李安娜 李丹娜 西蒙·克拉克 多伊老头子

我一直在试图找到一个SQLSELECT语句，它将只检索具有某些相似性的记录（分数待定）。在上面的示例中，预期的查询应该返回第1、2、5、6和8行。我试过查看

匹配

，

LEVENSHTEIN

，但这些函数在提供输入的搜索中起作用。在我的例子中，没有提供任何输入。我试图完成的是在我的表中检测重复记录。

您需要进行自连接以比较记录对。这是一把小提琴：

选择a.name，b.name
来自tbl a
在a.name>b.name上加入tbl b
其中比较（a.name，b.name）<阈值

比较（a，b）

是您选择的比较函数。可以在字符串之间使用。或者您可以使用

SOUNDEX（a.name）=SOUNDEX（b.name）

。或者任何你想要的模糊比较

---

我的示例中的

ON

子句避免了重复比较和自我比较。

请参见：Hi Jones。这是可行的，但我尝试了一个大数据集（2000条记录），40分钟后，查询仍在运行。有没有办法让查询更便宜？Levenshtein是最毛茸茸的函数之一。您运行了2000 x 2000/2次，速度不快。也许你可以使用

WHERE ABS（LEN（a.name）-LEN（b.name））<5和levenshtein（）

来简化搜索。非常感谢@O.Jones！我在上面使用了相同的概念，唯一的区别是我没有使用

LEVENSHTEIN

，而是在

Where

子句中使用了

LEFT（a.name，4）=LEFT（b.name）

，这样它可以显示具有相同起始和结束字符串的记录。它对我有用。

  SELECT a.name, b.name
    FROM tbl a
    JOIN tbl b ON a.name > b.name
   WHERE compare(a.name, b.name) < threshold