PostgreSQL中能否修改Levenshtein函数的最大字符限制？

问题描述 #

执行以下查询时触发错误：

ERROR: levenshtein argument exceeds maximum length of 255 characters

查询语句：

SELECT levenshtein('xxxxxxxx', 'xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY');

PostgreSQL官方文档明确levenshtein函数默认限制源/目标字符串长度为255字符，但业务需要支持任意长度的字符串，需找到修改该限制的方法。

可行解决方案 #

1. 修改fuzzystrmatch扩展源码重新编译 #

levenshtein的长度限制是在扩展源码中硬编码的，具体定义在fuzzystrmatch.c文件里的MAX_LEVENSHTEIN_STRLEN宏（默认值255）。操作步骤：

• 下载对应PostgreSQL版本的源码包，定位到contrib/fuzzystrmatch/fuzzystrmatch.c文件
• 修改#define MAX_LEVENSHTEIN_STRLEN 255为所需数值（如1024或更大）
• 重新编译安装该扩展：

  cd contrib/fuzzystrmatch
  make clean
  make
  make install
  

• 重启PostgreSQL服务，重新创建扩展（若已存在需先删除再创建）

注意：此方式需要服务器编译权限，且PostgreSQL升级时需重复修改编译步骤，维护成本较高。

2. 使用自定义实现替代内置函数 #

若无法修改源码，可自行实现支持长字符串的Levenshtein距离函数，以下是PL/pgSQL的简化实现示例（性能略逊于内置C函数，但无长度限制）：

CREATE OR REPLACE FUNCTION levenshtein_long(a text, b text)
RETURNS integer AS $$
DECLARE
    len_a integer := length(a);
    len_b integer := length(b);
    d integer[][] := array_fill(0, array[len_a + 1, len_b + 1]);
    i integer;
    j integer;
BEGIN
    IF len_a = 0 THEN RETURN len_b; END IF;
    IF len_b = 0 THEN RETURN len_a; END IF;

    FOR i IN 0..len_a LOOP
        d[i][0] := i;
    END LOOP;
    FOR j IN 0..len_b LOOP
        d[0][j] := j;
    END LOOP;

    FOR i IN 1..len_a LOOP
        FOR j IN 1..len_b LOOP
            IF substring(a from i for 1) = substring(b from j for 1) THEN
                d[i][j] := d[i-1][j-1];
            ELSE
                d[i][j] := least(
                    d[i-1][j] + 1,    -- 删除
                    d[i][j-1] + 1,    -- 插入
                    d[i-1][j-1] + 1   -- 替换
                );
            END IF;
        END LOOP;
    END LOOP;

    RETURN d[len_a][len_b];
END;
$$ LANGUAGE plpgsql IMMUTABLE;

使用时直接调用levenshtein_long('长字符串1', '长字符串2')即可，注意长字符串会占用更多内存，性能会有所下降。

3. 字符串截断折中方案（仅临时应急，不推荐） #

若业务可接受精度损失，可先将长字符串截断到255字符再计算，但会丢失尾部信息，结果可能不准确：

SELECT levenshtein(left('xxxxxxxx', 255), left('超长目标字符串', 255));

内容的提问来源于stack exchange，提问作者Nullify