Postgres pg_trgm 如何比较字符串数组的相似度 示例代码：

如何解决Postgres pg_trgm 如何比较字符串数组的相似度 示例代码：

我正在尝试使用 pg_trgm 进行字符串模糊匹配，我知道它可能会像这样使用：

SELECT * FROM artists WHERE SIMILARITY(name,'Claud Monay') > 0.4;

其中标量值可用于与相似性进行比较。但是，我已经看到将 SIMILARITY 与字符串数组一起使用的这种方式：

SELECT * FROM artists WHERE 'Cadinsky' % ANY(STRING_TO_ARRAY(name,' '));

使用 % 运算符，这是与 0.3 的默认值进行比较的简写。我试图找到使用 ANY(STRING_TO_ARRAY(...)) 的正确语法，但使用第一种形式，其中可以给出任意标量值来比较相似性。

这很可能只是一个正确使用 ANY 语法的简单问题，但我无法理解正确的形式是什么。

解决方法

没有语法可以使用带有 3 个参数（字符串、字符串数组和相似性阈值）的 ANY。这样做的方法是将 pg_trgm.similarity_threshold 设置为您想要的值而不是默认值 0.3，然后使用 % ANY。

如果您想在查询的不同部分使用不同的阈值，那么使用 ANY 构造就不走运了。

您始终可以定义自己的函数，但您可能无法让它使用索引。

create or replace function most_similar(text,text[]) returns double precision 
language sql as $$ 
    select max(similarity($1,x)) from unnest($2) f(x) 
$$;

SELECT * FROM artists WHERE most_similar('Cadinsky',STRING_TO_ARRAY(name,' '))>0.4;

,

我不是数据库专家，也不擅长 SQL，但这是我的解决方案。

我基本上使用一个名为 unnest() 的函数。因此，我可以遍历数组并检查每个项目的相似度值，然后将其与 similarity 输入进行比较，这是一个 float。

据我所知，使用 set pg_trgm.similarity_threshold=0.6; 之类的东西是一个全局设置。这个问题特别要求一个明确的阈值。

此外，如果您创建了一个函数来完成这项工作并且该函数不是 VOLATILE 而是 STABLE，则您不能使用 set pg_trgm.similarity_threshold。 （至少那是发生在我身上的事情）。

警告：我没有将我的方法与 (ANY) 方法在性能方面进行比较。

示例代码：

CREATE OR REPLACE FUNCTION your_function_name (input text,similarity float) RETURNS
SELECT * FROM your_table_name
WHERE EXISTS
   (SELECT
       FROM unnest(ARRAY['item','anotherItem','third-ish']) element
       WHERE SIMILARITY (input,element) > similarity
   );
$ function $