如何在MySQL中实现字符串相似匹配？解决SOUNDS LIKE失效问题

SOUNDS LIKE依赖SOUNDEX编码的完全匹配，一旦编码末尾存在细微差异就会匹配失败。针对你的场景，可以试试以下几种方案：

1. 截取SOUNDEX编码的前缀匹配 #

既然两个目标字符串的SOUNDEX编码前10位完全一致（M2523536232），可以通过截取编码的前N位来忽略末尾的差异，平衡匹配的召回率和精度：

SELECT value
FROM catalog_product_entity_varchar
WHERE LEFT(SOUNDEX(value), 10) = LEFT(SOUNDEX('300 mm Hygiene Staender St.weissalu.'), 10);

你可以根据实际数据调整截取的位数，位数越少召回的结果越多，但可能引入更多无关匹配；位数越多则越精准。

2. 使用编辑距离直接比较字符串相似度 #

通过计算两个字符串的编辑距离（即修改一个字符串为另一个所需的最少操作数），设置合理阈值来匹配近似字符串，比SOUNDEX更灵活：

-- MySQL示例，LEVENSHTEIN函数需确保数据库支持
SELECT value
FROM catalog_product_entity_varchar
WHERE LEVENSHTEIN(value, '300 mm Hygiene Staender St.weissalu.') <= 5;

阈值可以根据你的数据调整，比如差异在5个字符以内的都视为匹配。

3. 结合SOUNDEX前缀和编辑距离提升性能 #

先通过SOUNDEX前缀缩小匹配范围，再用编辑距离精准筛选，避免全表计算编辑距离带来的性能损耗：

SELECT value
FROM catalog_product_entity_varchar
WHERE LEFT(SOUNDEX(value), 8) = LEFT(SOUNDEX('300 mm Hygiene Staender St.weissalu.'), 8)
  AND LEVENSHTEIN(value, '300 mm Hygiene Staender St.weissalu.') <= 5;

4. 替换为更精准的语音匹配算法 #

SOUNDEX是较老旧的算法，对多语种支持有限。可以试试Metaphone（部分数据库内置支持），它生成的编码更贴近实际发音，能更好处理类似weissalu和schwarz这类发音近似的词汇：

-- MySQL示例
SELECT value
FROM catalog_product_entity_varchar
WHERE METAPHONE(value, 12) = METAPHONE('300 mm Hygiene Staender St.weissalu.', 12);

内容的提问来源于stack exchange，提问作者Arnie