適用於: SQL Server 2025 (17.x)
Azure SQL Database
Azure SQL 受控執行個體
Microsoft Fabric 中的 SQL 資料庫
使用模糊或近似字串比對來檢查兩個字元串是否相似,並計算兩個字串之間的差異。 使用這項功能來識別因字元損毀而可能不同的字串。 損壞包括拼字錯誤、字元調換、字元遺失或縮寫。 模糊字串匹配利用演算法來偵測相似字串。
Note
- 模糊字串匹配函數自 SQL Server 2025 (17.x) CU11 起普遍提供。 在較早期的 SQL Server 2025 版本中,這些函式仍處於預覽階段。 如果你的建置中預設未啟用,請將 PREVIEW_FEATURES 設為
ON。 - 模糊字串比對可在 Azure SQL 受控執行個體中使用 SQL Server 2025 或 始終保持最新 的 更新原則。
模糊函數
| Function | Description |
|---|---|
| EDIT_DISTANCE | 計算將一個字串轉換成另一個字串所需的插入、刪除、替代和轉換數目。 |
| EDIT_DISTANCE_SIMILARITY | 計算相似度值,範圍從0(表示不相符)到100(表示完整相符)。 |
| JARO_WINKLER_DISTANCE | 計算兩個字串之間的編輯距離,偏好從開頭匹配的一組前綴長度的字串。 |
| JARO_WINKLER_SIMILARITY | 計算相似度值,範圍從0(表示不相符)到100(表示完整相符)。 |
Note
模糊字串比對函式支援 Windows 定序和二進位定序 (BIN 和 BIN2)。 比較行為,包括格敏感性、重音敏感性及語言規則,皆由輸入表達式的排序決定。
非二元
SQL_*排序不被支援。 如果你用的是非二元SQL_*排序,建議改用對應的 Windows 排序。如果無法變更資料庫或資料行的定序,您可以使用
COLLATE子句,將支援的 Windows 定序套用至傳遞給模糊字串比對函式的引數。 此方法允許函式利用支援的排序來評估輸入值,而無需對資料庫進行更廣泛的整合變更。
Examples
下列範例示範模糊字串比對函式。
A. 建立範例詞對
執行範例查詢之前,請先建立並填入範例數據表。
若要建立並填入範例數據表,請連線到非生產使用者資料庫,然後執行下列腳本:
-- Step 1: Create the table
CREATE TABLE WordPairs
(
WordID INT IDENTITY (1, 1) PRIMARY KEY, -- Auto-incrementing ID
WordUK NVARCHAR (50), -- UK English word
WordUS NVARCHAR (50) -- US English word
);
-- Step 2: Insert the data
INSERT INTO WordPairs (WordUK, WordUS)
VALUES ('Colour', 'Color'),
('Flavour', 'Flavor'),
('Centre', 'Center'),
('Theatre', 'Theater'),
('Organise', 'Organize'),
('Analyse', 'Analyze'),
('Catalogue', 'Catalog'),
('Programme', 'Program'),
('Metre', 'Meter'),
('Honour', 'Honor'),
('Neighbour', 'Neighbor'),
('Travelling', 'Traveling'),
('Grey', 'Gray'),
('Defence', 'Defense'),
('Practise', 'Practice'), -- Verb form in UK
('Practice', 'Practice'), -- Noun form in both
('Aluminium', 'Aluminum'),
('Cheque', 'Check'); -- Bank cheque vs. check
B. 在編輯距離閾值內尋找字對
SELECT WordUK,
WordUS,
EDIT_DISTANCE(WordUK, WordUS) AS Distance
FROM WordPairs
WHERE EDIT_DISTANCE(WordUK, WordUS) <= 2
ORDER BY Distance ASC;
Returns:
WordUK WordUS Distance
------------------------------ ------------------------------ -----------
Practice Practice 0
Aluminium Aluminum 1
Honour Honor 1
Neighbour Neighbor 1
Travelling Traveling 1
Grey Gray 1
Defence Defense 1
Practise Practice 1
Colour Color 1
Flavour Flavor 1
Organise Organize 1
Analyse Analyze 1
Catalogue Catalog 2
Programme Program 2
Metre Meter 2
Centre Center 2
Theatre Theater 2
C. 尋找超過編輯距離相似度門檻的詞對
SELECT WordUK,
WordUS,
EDIT_DISTANCE_SIMILARITY(WordUK, WordUS) AS Similarity
FROM WordPairs
WHERE EDIT_DISTANCE_SIMILARITY(WordUK, WordUS) >= 75
ORDER BY Similarity DESC;
Returns:
WordUK WordUS Similarity
------------------------------ ------------------------------ -----------
Practice Practice 100
Travelling Traveling 90
Aluminium Aluminum 89
Neighbour Neighbor 89
Organise Organize 88
Practise Practice 88
Defence Defense 86
Analyse Analyze 86
Flavour Flavor 86
Colour Color 83
Honour Honor 83
Catalogue Catalog 78
Programme Program 78
Grey Gray 75
D. 在 Jaro-Winkler 距離門檻內尋找詞對
SELECT WordUK,
WordUS,
JARO_WINKLER_DISTANCE(WordUK, WordUS) AS Distance
FROM WordPairs
WHERE JARO_WINKLER_DISTANCE(WordUK, WordUS) <= .05
ORDER BY Distance ASC;
Returns:
WordUK WordUS Distance
------------------------------ ------------------------------ -----------
Practice Practice 0
Travelling Traveling 0.02
Neighbour Neighbor 0.0222222222222223
Aluminium Aluminum 0.0222222222222223
Theatre Theater 0.0285714285714286
Flavour Flavor 0.0285714285714286
Centre Center 0.0333333333333333
Colour Color 0.0333333333333333
Honour Honor 0.0333333333333333
Catalogue Catalog 0.0444444444444444
Programme Program 0.0444444444444444
Metre Meter 0.0466666666666667
E. 尋找高於 Jaro-Winkler 相似度門檻的詞對
SELECT WordUK,
WordUS,
JARO_WINKLER_SIMILARITY(WordUK, WordUS) AS Similarity
FROM WordPairs
WHERE JARO_WINKLER_SIMILARITY(WordUK, WordUS) > 90
ORDER BY Similarity DESC;
Returns:
WordUK WordUS Similarity
------------------------------ ------------------------------ -----------
Practice Practice 100
Aluminium Aluminum 98
Neighbour Neighbor 98
Travelling Traveling 98
Colour Color 97
Flavour Flavor 97
Centre Center 97
Theatre Theater 97
Honour Honor 97
Catalogue Catalog 96
Programme Program 96
Metre Meter 95
Organise Organize 95
Practise Practice 95
Analyse Analyze 94
Defence Defense 94
F. 比較所有模糊字串匹配函數
以下查詢示範目前可用的所有模糊字串匹配函數。
SELECT T.source_string,
T.target_string,
EDIT_DISTANCE(T.source_string, T.target_string) AS ED_Distance,
JARO_WINKLER_DISTANCE(T.source_string, T.target_string) AS JW_Distance,
EDIT_DISTANCE_SIMILARITY(T.source_string, T.target_string) AS ED_Similarity,
JARO_WINKLER_SIMILARITY(T.source_string, T.target_string) AS JW_Similarity
FROM (VALUES ('Black', 'Red'),
('Colour', 'Yellow'),
('Colour', 'Color'),
('Microsoft', 'Msft'),
('Regex', 'Regex')
) AS T(source_string, target_string);
Returns:
source_string target_string ED_Distance JW_Distance ED_Similarity JW_Similarity
-------------- -------------- -------------- --------------------- -------------- --------------
Black Red 5 1 0 0
Colour Yellow 5 0.444444444444445 17 55
Colour Color 1 0.0333333333333333 83 96
Microsoft Msft 5 0.491666666666667 44 50
Regex Regex 0 0 100 100
收拾整理
使用完範例資料後,刪除範例資料表:
IF OBJECT_ID('dbo.WordPairs', 'U') IS NOT NULL
BEGIN
DROP TABLE dbo.WordPairs;
END