MySQL中查找Firstname与Lastname列相似值的简便方法

嘿，我完全懂你用SOUNDEX处理国际化姓名时的糟心体验——这个函数从设计之初就是针对英语姓名的，对带重音、特殊字符或者非日耳曼语系的姓名支持极差，出现大量误判或漏判太正常了。不用搞复杂的NLP模型或者第三方工具，试试下面几个简便的方法：

1. 用METAPHONE/DMETAPHONE替代SOUNDEX #

METAPHONE比SOUNDEX更灵活，对多语言发音的适配性强很多，MySQL里直接支持这个函数。你可以这样写：

SELECT * FROM your_table 
WHERE METAPHONE(firstname, 8) = METAPHONE(lastname, 8);

第二个参数是指定返回的编码长度，数值越大精度越高，你可以根据自己的数据调整（比如6-10之间尝试）。如果你的MySQL版本支持DMETAPHONE（双metaphone，对更多语言友好），那效果会更好：

SELECT * FROM your_table 
WHERE DMETAPHONE(firstname) = DMETAPHONE(lastname);

2. 字符归一化+模糊匹配 #

国际化姓名经常有重音符号（比如é、ñ、ü），先把这些字符归一化后再做模糊匹配，能大幅提升准确率。试试这个：

SELECT * FROM your_table 
WHERE 
  LOWER(CONVERT(firstname USING ASCII)) LIKE CONCAT('%', LOWER(CONVERT(lastname USING ASCII)), '%')
  OR 
  LOWER(CONVERT(lastname USING ASCII)) LIKE CONCAT('%', LOWER(CONVERT(firstname USING ASCII)), '%');

CONVERT(... USING ASCII)会自动去掉重音（比如把José转成Jose），再转成小写后用LIKE做双向模糊匹配，适合那些拼写接近但不是完全发音一致的情况。

3. 用编辑距离（Levenshtein Distance）判断相似性 #

如果你的MySQL是8.0及以上版本，直接用内置的LEVENSHTEIN函数计算两个姓名的编辑距离——数值越小，两个字符串越相似。你可以设置一个合理的阈值（比如<=2，代表最多改2个字符就能一致）：

SELECT * FROM your_table 
WHERE LEVENSHTEIN(firstname, lastname) <= 2;

这个方法不依赖发音规则，对任何语言的拼写相似姓名都有效，而且实现起来超简单。

小提示 #

如果你的数据里有特别小众的语言（比如阿拉伯语、中文），这些方法可能还是有局限，但对于大部分国际化姓名来说，上面的方案已经比SOUNDEX靠谱太多，而且完全不用复杂的额外处理。

内容的提问来源于stack exchange，提问作者Christian Felix