Php 在一些不完整的数据中查找单个用户记录？

我正在建立一个用户必须注册的系统。这些用户也可能是更大客户数据库的一部分，我想将注册与更大客户数据库中的用户ID联系起来

客户数据库有些不完整。有些客户只有一个电话号码，根据输入者/输入者的不同，它可能在不同的地方有空间。其他客户只有一个电子邮件地址，而且很可能有打字错误，因为它是手写的，然后在以后由其他人处理。真是噩梦

我想找到与用户在我正在构建的系统上输入的内容最接近的记录。这些数据非常直接，将得到验证。这些数据：

• 名字
• 姓
• DOB（YYYY-MM-DD）
• 电子邮件地址
• 电话号码

我最初的想法是使用Levenshtein距离算法来计算每个字段的“字符串距离”，除非它们是空的，然后按总分排序。下面的代码中没有显示以保持内容的美观和可读性，但我显然也会修剪（甚至可能只是删除）所有空白

作为伪代码：

SELECT c.customerID
FROM   customers c
WHERE  ( c.first_name IS NULL OR ( Levenshtein(c.first_name, $first_name) < 3 ) )
AND    ( c.last_name IS NULL OR ( Levenshtein(c.last_name, $last_name) < 3 ) )
AND    ( c.email IS NULL OR ( Levenshtein(c.email, $email) < 3 ) )
AND    ( c.telephone IS NULL OR ( Levenshtein(c.telephone, $telephone) < 3 ) )

选择c.customerID
来自客户c
其中（c.first_name为NULL或（Levenshtein（c.first_name，$first_name）<3））
和（c.last_name为空或（Levenshtein（c.last_name，$last_name）<3））
和（c.email为空或（Levenshtein（c.email，$email）<3））
和（c.telephone为空或（Levenshtein（c.telephone，$telephone）<3））

仅供参考，我正在对这两个数据库使用PHP（Laravel）和MySQL

---

我在这条路上走对了吗？或者我应该使用莱文施坦以外的东西吗？我是否应该比较所有领域分数的某种组合？

这首歌肯定是对的，但我要补充几点

准备数据

首先，为了匹配，我建议对数据进行转换以消除可能存在的所有噪音，例如将字符串转换为大写，删除空白，删除电话号码中的所有非数字，等等

在不完整数据中查找最接近的匹配项

其次，设置任意阈值（如上面的“小于3”）会使它有点僵硬。虽然CPU要求更高，但您最好按“差异系数”对结果进行排序：

显然，当差异高得离谱时，您可以添加一些不匹配的安全性，但您明白了。如果两个对象在同一字段中都缺少数据（例如，两个对象都缺少电子邮件），该方法仍然可以。当只有一方缺阵时，问题就出现了——然后我们会因为差距而受到很大的打击。我们可能会将查询进一步复杂化以避免它：

ORDER BY
(if(c.first_name is null OR c.first_name = '' OR $first_name = '', 0, Levenshtein(c.first_name, $first_name))) +
...

为简洁起见，缩短为一行-只有在有数据可比较的情况下，我们才计算Lev距离

缺点

---

对于所有与大于X的差异因子匹配的记录，你可能会想到某种标志，让人类来决定。经过一段时间的复习，我相信你会想出更多的规则来实现自动化。

酷。这是有道理的。我会尽可能像你提到的那样准备好数据。我对上述问题的担忧是，数据库中可能根本没有现有客户。甚至可能有没有这些数据的行（例如，我们可能只有一个地址，我不收集），所以比较NULL和NULL会得到一个完美的匹配。是的，但我认为这是有意义的-如果两边的特定属性中都没有数据，这就不会影响因子。没有任何数据（在任何领域）会是一个问题，但这是验证。让我更新一下答案。

ORDER BY
(if(c.first_name is null OR c.first_name = '' OR $first_name = '', 0, Levenshtein(c.first_name, $first_name))) +
...