SQL LIKE语句多条件贪婪加权匹配算法(改进版)

     上一篇博客：SQL LIKE语句多条件贪婪匹配算法。

     直接入题，其他的就不罗嗦了。

     上篇博客仅仅是实现了多个关键字“尽可能多的匹配”。

     但是在实际应用中，尽可能多的匹配不一定合理。

     就拿“如何在CSDN网站注册用户”这句话来说，拆成“CSDN”、“注册”、“用户”这三个词。假如数据库中某条记录匹配了“CSDN”、“注册”这两个词，另一条记录匹配了“注册”、“用户”这两个词。两条记录中匹配词的个数都是两个，如果仅仅用上一篇博客的算法，这两个记录是对等的，而显然，他们不是对等的！“CSDN”这个词在这句话中至关重要，他是先决条件。因此，匹配“CSDN”、“注册”这两个词的记录要比匹配“注册”、“用户”这两个词的记录优先。

     基于以上事实，让我们清醒的意识到关键词并不是对等的，应该给他们分配一个权重，权重高的优先。

     SQL LIKE语句多条件贪婪匹配加权改进版：

GOCREATE function Get_StrArrayLength( @str varchar(1024),  --要分割的字符串 @split varchar(10)  --分隔符号)returns intas begin  declare @location int  declare @start int  declare @length int  set @str=ltrim(rtrim(@str))  set @location=charindex(@split,@str)  set @length=1   while @location<>0     begin      set @start=@location+1      set @location=charindex(@split,@str,@start)      set @length=@length+1     end   return @length end GO CREATE function Get_StrArrayStrOfIndex( @str varchar(1024),  --要分割的字符串 @split varchar(10),  --分隔符号 @index int --取第几个元素)returns varchar(1024)asbegin declare @location int declare @start int declare @next int declare @seed int set @str=ltrim(rtrim(@str)) set @start=1 set @next=1 set @seed=len(@split) set @location=charindex(@split,@str) while @location<>0 and @index>@next   begin    set @start=@location+@seed    set @location=charindex(@split,@str,@start)    set @next=@next+1   end if @location =0 select @location =len(@str)+1 --这儿存在两种情况：1、字符串不存在分隔符号 2、字符串中存在分隔符号，跳出while循环后，@location为0，那默认为字符串后边有一个分隔符号。 return substring(@str,@start,@location-@start)endGOCREATE PROCEDURE proc_Common_SuperLike--要查询的表的主键字段名称@primaryKeyName varchar(999),--要查询的表名@talbeName varchar(999),--要查询的表的字段名称，即内容所在的字段@contentFieldName varchar(999),--查询记录的个数(TOP *),匹配的个数越多,排名越靠前@selectNumber varchar(999),--匹配字符分隔标记@splitString varchar(999),--匹配字符组合字符串@words varchar(999)ASdeclare @sqlFirst varchar(999)declare @sqlCenter varchar(999)declare @sqlLast varchar(999)BEGINset @sqlCenter=''declare @next int  declare @arrayLength intset @next=1set @arrayLength=dbo.Get_StrArrayLength(@words,@splitString)while @next<=@arrayLengthbegin--构造sql查询条件(中间部分)set @sqlCenter = @sqlCenter+'SELECT '+@primaryKeyName+','+CONVERT(varchar(999),@arrayLength-@next+1)+' AS wordPower FROM '+@talbeName+' WHERE '+@contentFieldName+' like ''%'+dbo.Get_StrArrayStrOfIndex(@words,@splitString,@next)+'%'' UNION ALL 'set @next=@next+1end--处理sql语句中间部分,去除最后无用语句set @sqlCenter=left(@sqlCenter,(len(@sqlCenter)-10))--构造sql语句开头部分set @sqlFirst='SELECT TOP '+@selectNumber+' '+@primaryKeyName+',COUNT(*)+SUM(wordPower) AS finalPower FROM ('--构造sql语句结尾部分set @sqlLast=') AS t_Temp GROUP BY '+@primaryKeyName+' ORDER BY finalPower DESC'--拼接出完整sql语句,并执行execute(@sqlFirst+@sqlCenter+@sqlLast)END

    调用方法和第一个版本一样：

execute proc_Common_SuperLike 'id','t_test','content','20','|','i|o|c'

    id表的主键字段名称。

    t_test表名。

    content匹配内容字段名称。

    20选出20个记录（从顶至下匹配度越来越低）。

    |关键字的分隔符号。

    i|o|c一共有i，o，c三个关键字，通过|分隔。

 

    不同的是，关键字有了权重的概念。

    规则：i|o|c这三个关键字，权重依次降低，i的权重是3，o的权重2，c的权重是1。

    也就是说，把重要的关键字靠前放，不重要的关键字靠后放，越靠前权重越高。

 

    需要说明的是：

 

    本算法以权重+匹配数综合结果作为判断标准，而不再是一味的贪婪。

    比如有a|b|c|d|e五个关键字，按照规则，权重分别是：a-5、b-4、c-3、d-2、e-1，假如某条记录匹配了a、b、c三个关键字，另一条记录匹配了b、c、d、e四个关键字。

    依照算法：

    第一条记录最终权重是5(a权重)+4(b权重)+3(c权重)+3(匹配数)=15

    第二条记录最终权重是4(b权重)+3(c权重)+2(d权重)+1(e权重)+4(匹配数)=14

    因此优先选择第一条记录，虽然第一条记录的匹配数没有第二条多，但最终权重高。

 

    原创算法，欢迎转载，可用于任何用途，注明出处即可。