9

Vamos supor que eu tenho os seguintes dados em uma tabela:

João

Pedro

Ronaldo

Luiz

Se eu usar uma consulta %like% ele acha se o usuário digitar estritamente. Por exemplo: se ele digitar ron ele acha Ronaldo. Mas se ele digitar uma letra diferente, ex: ronldo (erro de digitação) ele não acha. Porém o Google (e outros) costuma achar essas palavras similares.

Há algum jeito de fazer isso em SQL, independente de banco?

2
  • Você deseja implementar isso em algum banco específico?
    – gmsantos
    2/06/2014 às 11:51
  • @gmsantos Costumo usar o Postgres, mas se existir uma solução universal, melhor.
    – user7261
    2/06/2014 às 11:53

2 Respostas 2

9

Em alguns bancos de dados é possível fazer esse tipo de busca que é chamada de Fuzzy Matching.

Você pode obter esse resultado através das funções soundex() e difference(). Sei que elas existem no SQL Server e a partir de uma rápida pesquisa descobri que ela está presente no PostgreSQL através do módulo fuzzystrmatch.

A função soundex() retorna um código de 4 caracteres de uma string passada e a função difference() compara a diferença entre esses códigos, em um nível de 0 à 4, onde 0 é a correspondência exata do código:

CREATE TABLE s (nm text);

INSERT INTO s VALUES ('john');
INSERT INTO s VALUES ('joan');
INSERT INTO s VALUES ('wobbly');
INSERT INTO s VALUES ('jack');
INSERT INTO s VALUES ('ronaldo');

SELECT soundex('john') AS john, soundex('joan') AS joan, soundex('jack') AS jack; 
-- Retorna 'J500', 'J500' e 'J200'

SELECT * FROM s WHERE soundex(nm) = soundex('john');
-- Casa com 'jonh' e 'joan'    

SELECT * FROM s WHERE difference(s.nm, 'john') > 2;
-- Casa com 'jonh', 'joan' e 'jack'

SELECT * FROM s WHERE soundex(nm) = soundex('ronldo');
-- Casa com 'ronaldo'

Exemplo no SQLFiddle

Em alguns casos simples, soundex() pode resolver seu problema. De acordo com a documentação do PostgreSQL, essa função tem melhores resultados com nomes em inglês.

Para implementações mais complexas, existem outros métodos de comparação por similaridade, como metaphone() ou levenshtein() (Ver exemplos na documentação do fuzzystrmatch).

Nos casos mais complexos recomendo aplicar um índice do tipo Full-Text Index para uma melhor performance em bases de dados grandes.

Veja a documentação das funções soundex() e difference() no SQL Server.

1
  • 2
    Assunto interessante, e vlw pela resposta!
    – user6026
    2/06/2014 às 14:30
3

Acrescentando algumas nuâncias à boa resposta do @gmsantos...

Metaphone para nomes do português

Nesta pergunta foi amplamente discutido o algoritmo fonético para o português, que é mais eficiente do que similaridade matemática do difference citado, ou de distâncias como Hamming, Levenshtein e outros, que medem a semelhança entre strings quaisquer (até em genética usam).

A questão vai na direção de um problema mais prático e já clássico: agrupar ou equiparar nomes próprios (nomes de rua, nomes de pessoas, etc.). Por exemplo, "João"="joao", "Sylvia"="silvia", "Luíz"="luis", etc.

A experiência de quem já trabalhou (documentada neste artigo) mostra que os erros mais frequentes, de grafia de nomes, tem origem nas confusões ortográficas que fazemos quando tentamos apenas transcrever o que ouvimos. Por isso o foco na fonética.

E a fonética dos falantes do português não é a fonética dos falantes do inglês... Assim a melhor solução é o melhor algoritmo fonético adaptado ao português... E isso existe!

Trata-se do MetaphonePtBr.
(se não tiver acesso a instalar funções externas no seu server, o Metaphone genérico também é ainda superior ao Soundex).

No PostgreSQL (8.X ou 9.X), depois de instalado basta fazer

SELECT metaphone_ptbr('Sylvia')=metaphone_ptbr('sillvya');
-- retorna TRUE  ('SV'=='SV')
SELECT metaphone_ptbr('Sylveira')=metaphone_ptbr('sillvya');
-- retona FALSE ('SVR'!='SV')

A grande vantagem desse método é que a comparação pode ser "cacheada", ou seja, parte do processo pode ser armazenada antes na base de dados (o metaphone de todos os nomes), de modo que a busca por um nome dado, ou o agrupamento de similares, é muito mais rápido do que a avaliação par-a-par por funções de semelhança de string.

Como permite o agrupamento, noma base de dados com 1000 nomes por exemplo, pode-se reduzir a análise para um grupo de 10 ou 20 nomes, e sobre eles aplicar as funções mais sofisticadas (custam mais CPU) de semelhança de string.

Você deve fazer log-in para responder a esta pergunta.