Php 搜索：匹配多列中的所有单词

我正在尝试向现有数据库中添加大量（1700个）名称，但需要检查重复的名称。事实上，我们假设大多数都是重复的。不幸的是，这些名称来自地址标签，并且没有用字段分隔（有些是组织名称，有些是人名）。为了减轻人类的负担，我想先搜索名字上的匹配项。所谓良好匹配，我的意思是我希望名称（John Julie Smith）中的所有单词在多个db字段（title、firstname、lastname、suffix、spoosename）中匹配。因此，如果姓约翰，姓史密斯，姓朱莉，这会匹配，或者如果姓约翰，姓朱莉，姓史密斯，这也会匹配

我正在编写一个脚本，该脚本将在PHP中完成这一切，并针对每一种可能性运行一个单独的查询。比如

lastname='john julie smith'

，

firstname='john julie smith'

lastname='johnjulie'和firstname='smith'

etc！对于一个三个单词的名字，有105个查询，我有1700个名字需要处理。对我来说这听起来很不可思议

PHP我相当了解，但我对MySQL不是很在行。是否有一个查询可以尝试匹配多列中的所有单词？即使它只处理一个名称组合（“John，Julie，Smith”或“John，Julie，Smith”）。甚至可以使用正则表达式

---

这就是我的立场

foreach( $a as $name ) {
    //There's some more stuff up here to prepare the strings,
    //removing &/and, punctuation, making everything lower case...

    $na = explode( " ", $name );

    $divisions = count( $na ) - 1;
    $poss = array();
    for( $i = 0; $i < pow(2, $divisions); $i++ ) {
        $div = str_pad(decbin($i), $divisions, '0', STR_PAD_LEFT);
        $tpa = array();
        $tps = '';
        foreach($na as $nak => $nav) {
            if ( $nak > 0 && substr( $div, $nak - 1, 1 ) ) {
                $tpa[] = $tps;
                $tps = $nav;
            } else {
                $tps = trim( $tps . ' ' . $nav );
            }
        }
        $tpa[] = $tps;
        $poss[] = $tpa;
    }
    foreach( $poss as $possk => $possv ) {
        $count = count( $possv );
        //Here's where I am... 
        //I could use $count and some math to come up with all the possible searches here,
        //But my head is starting to spin as I try to think of how to do that.
    }

    die();
}

最初的想法是迭代数组并创建大量查询。对于[0]，将有5个查询：

... WHERE firstname = 'john julie smith';
... WHERE lastname = 'john julie smith';
... WHERE spousename = 'john julie smith';
... WHERE title = 'john julie smith';
... WHERE suffix = 'john julie smith';

但对于[1]，将有20个查询：

... WHERE firstname = 'john julie' AND lastname = 'smith';
... WHERE firstname = 'john julie' AND spousename = 'smith';
... WHERE firstname = 'john julie' AND title = 'smith';
... WHERE firstname = 'john julie' AND lastname = 'smith';
... WHERE firstname = 'john julie' AND suffix = 'smith';
... WHERE lastname = 'john julie' AND firstname = 'smith';
... WHERE lastname = 'john julie' AND spousename = 'smith';
... WHERE lastname = 'john julie' AND title = 'smith';
... WHERE lastname = 'john julie' AND lastname = 'smith';
... WHERE lastname = 'john julie' AND suffix = 'smith';
//and on and on

对于[3]，将有60个查询！以这个速度，我看到170000多个查询

---

一定有更好的方法…

将1700个名称加载到MySQL中的表中

那么，我认为下面的方法会有所帮助。在字段中查找匹配项，并按匹配项最多的行排序。这不是100%完美的，我怀疑这会有点帮助。查询是：

select n.name, t.*,
       (n.name like concat('%', firstname, '%') +
        n.name like concat('%', lastname, '%') +
        n.name like concat('%', suffix, '%') +
        n.name like concat('%', spousename, '%')
       ) as NumMatches
from table t join
     names n
     on n.name like concat('%', firstname, '%') or
        n.name like concat('%', lastname, '%') or
        n.name like concat('%', suffix, '%') or
        n.name like concat('%', spousename, '%')
group by t.firstname, t.lastname, t.suffix, t.spousename, n.name
order by NumMatches;

编辑：

我第一次忽略了这一点，但是您可以计算每个

名称中的单词数和匹配数。将本条款置于下单人

之前：

having NumMatches = length(n.name) - length(replace(n.n, ' ', '')

这仍然不是完美的，因为相同的名称可以出现在多个字段中。在实践中，它应该工作得很好。如果你想变得更迂腐，你可以这样做：

having concat_ws(':', firstname, lastname, suffice, spousename) like concat('%', substring_index(n.name, ' ', 1), '%') and
       concat_ws(':', firstname, lastname, suffice, spousename) like concat('%', substring_index(substring_index(n.name, ' ', 2), ' ', -1), '%') and
       concat_ws(':', firstname, lastname, suffice, spousename) like concat('%', substring_index(substring_index(n.name, ' ', 3), ' ', -1), '%') and
       concat_ws(':', firstname, lastname, suffice, spousename) like concat('%', substring_index(substring_index(n.name, ' ', 4), ' ', -1), '%')

---

这将独立测试每个名称。

我添加了“我所做的”。它很毛茸茸的，而我只走了一半。我希望能有一个更精简的方法，并且会很感激所有的想法。当人们仔细研究每个条目，并将其与现有条目进行比较时，这可能会有所帮助，但似乎没有办法确保

n.name

中的所有单词都匹配。我想在发送一个真实的人通过他们来查看“匹配”是否真的匹配之前，通过编程消除其中的大多数匹配。这是好东西，特别感谢concat的想法。当我有时间再做这个项目的时候，我会参考这个，如果你的答案行得通，我会“接受”你的答案。再次感谢！

having concat_ws(':', firstname, lastname, suffice, spousename) like concat('%', substring_index(n.name, ' ', 1), '%') and
       concat_ws(':', firstname, lastname, suffice, spousename) like concat('%', substring_index(substring_index(n.name, ' ', 2), ' ', -1), '%') and
       concat_ws(':', firstname, lastname, suffice, spousename) like concat('%', substring_index(substring_index(n.name, ' ', 3), ' ', -1), '%') and
       concat_ws(':', firstname, lastname, suffice, spousename) like concat('%', substring_index(substring_index(n.name, ' ', 4), ' ', -1), '%')