使用Levenshtein距离的PHP/MySQL搜索引擎

我正在尝试创建一个简单的搜索引擎，用户可以在其中查询数据库，并返回匹配和接近其查询的结果。起初，我只是使用通配符（

%

）来查找与用户搜索相关的结果。用于该项目的PHP如下所示：

// Users search terms is saved in $_POST['q']
$q = $_POST['q'];
// Prepare statement
$search = $db->prepare("SELECT `id`, `name` FROM `users` WHERE `name` LIKE ?");
// Execute with wildcards
$search->execute(array("%$q%"));
// Echo results
foreach($search as $s) {
  echo $s['name'];
}

// Users search terms is saved in $_POST['q']
$q = $_POST['q'];
// Create array for the names that are close to or match the search term
$results = array();
foreach($db->query('SELECT `id`, `name` FROM `users`') as $name) {
  // Keep only relevant results
  if (levenshtein($q, $name['name']) < 4) {
    array_push($results,$name['name']);
  }
}
// Echo out results
foreach ($results as $result) {
  echo $result."\n";
}

上面的代码工作正常，但是相当有限。虽然它可以获取接近但与用户查询不完全匹配的结果（因为有通配符），但它仍然不会返回所有相关结果；用户的查询仍然必须与数据库中的某些内容完全匹配。例如，如果我有一个以“Tim”为行的数据库，搜索“Timothy”将不起作用。因此，我的新方法如下所示：

// Users search terms is saved in $_POST['q']
$q = $_POST['q'];
// Prepare statement
$search = $db->prepare("SELECT `id`, `name` FROM `users` WHERE `name` LIKE ?");
// Execute with wildcards
$search->execute(array("%$q%"));
// Echo results
foreach($search as $s) {
  echo $s['name'];
}

// Users search terms is saved in $_POST['q']
$q = $_POST['q'];
// Create array for the names that are close to or match the search term
$results = array();
foreach($db->query('SELECT `id`, `name` FROM `users`') as $name) {
  // Keep only relevant results
  if (levenshtein($q, $name['name']) < 4) {
    array_push($results,$name['name']);
  }
}
// Echo out results
foreach ($results as $result) {
  echo $result."\n";
}

或

我认为将

levenshtein

与

metaphone

结合使用可能实际上效果最好，因为它最好考虑到简单的拼写错误。但我不确定哪种方法是最好的，尤其是考虑到我现在使用的方法已经非常昂贵（大型SQL查询+循环中发生的昂贵函数对性能来说不是好兆头）

---

提前感谢

以前有人去过那里。他们总是会发现数据库（或者数据库和服务器端代码的组合）对搜索引擎不好，然后他们发现lucene，它对你所想的东西（levenshtein，拼音距离）有很好的实现，还有很多其他你没有的东西。此外，随着数据量的增加，您可以使用基于lucene的solr或elasticsearch扩展到多个节点。您可以尝试PostgreSQL，它可以对单词进行标记——它的全文搜索功能比MySQL更全面。要将Tim/Timothy放在同一个根目录下，可以使用同义词库功能。

$name

是一行，包含数据库中的

id

和

name

列。。。。您不是针对

name

值进行测试，而是针对row@MarkBaker哇，真是个愚蠢的错误，我不知道我怎么没看到。我更新了问题，删除了错误（因为它更多的只是一个语法错误，将来对其他人没有帮助），并对其进行了编辑，以更准确地反映我试图学习的内容。

if (similar_text($q, $name['name']) > 2) {
 array_push($results,$name['name']);
}