SQL Server 2019中DIFFERENCE函数返回结果存疑，求解析

你遇到的DIFFERENCE函数结果看似反常，核心原因在于它依赖的SOUNDEX编码有两个关键特性：

1. 只认字符串开头的发音：SOUNDEX编码的核心是字符串最前面的几个辅音发音，后续字符只会填充编码的后几位，不会改变开头的核心特征。
2. 完全忽略空格：SOUNDEX会把空格当成不存在，直接处理整个字符串，但首字母永远是整个字符串的第一个字母（不管后面有没有空格）。

逐个分析你的测试案例 #

1. DIFFERENCE('Good', 'Good Samaritans') → 4分

• Good的SOUNDEX编码是G300（首字母G，取辅音d的编码3，后面没有有效辅音补0）。
• Good Samaritans的SOUNDEX编码是G325（首字母G，取d的编码3，再取空格后S的编码2、m的编码5）。
• DIFFERENCE对比这两个编码时，前两位（G、3）完全匹配，后两位的差异对总分影响极小，最终拿到最高分4。

2. DIFFERENCE('Samaritans', 'Good Samaritans') →1分

• Samaritans的SOUNDEX编码首字母是S，但Good Samaritans的SOUNDEX编码首字母是G（因为它是整个字符串的第一个字母，空格被忽略）。
• SOUNDEX的首字母是编码的核心，首字母不同直接丢分，加上后续编码的每一位几乎都不匹配，最终得分只有1。

3. DIFFERENCE('Sam', 'Good Samaritans') →2分

• Sam的SOUNDEX编码是S500（首字母S，取辅音m的编码5）。
• Good Samaritans的SOUNDEX编码是G325，虽然首字母G和S不同，但Sam的第二位编码5，和Good Samaritans的第四位编码5匹配，DIFFERENCE的评分逻辑会把这种后位匹配算入得分，最终比第二个查询多拿1分。

总结 #

DIFFERENCE的结果不是基于整个字符串的相似度，而是基于SOUNDEX编码的前缀特征匹配。只要开头的发音特征匹配度高，哪怕后面内容差很多也能拿高分；反之，开头发音不同，哪怕后面内容完全一致，得分也会极低。

内容的提问来源于stack exchange，提问作者Scho