汉字的模糊匹配问题

显示全部楼层 · 2005-2-28 12:57:00

当要求汉字进行模糊匹配的时候，由于oracle是采用存储的字节流进行查找的，所以有存在着一个汉字的后半截和另一个汉字的前半截拼起来正好构成某个汉字。这样则存在着模糊匹配出现错误的可能性。碰巧，今天我在生产数据库应用中遭遇了好几个。

SQL> selectPRODUCTION_SERVICE fromcompany whereview_name = '泰兴市佰信纺织有限公司';

PRODUCTION_SERVICE
------------------------------------------------------------------------------------------------------------------------
牛仔布;色织布;弹力牛仔布;竹节牛仔布;彩色牛仔布;提花牛仔布;牛仔服;牛仔裤;纱卡;灯蕊绒;
SQL>
SQL> selectcount(*)
fromcompany
where view_name = '泰兴市佰信纺织有限公司'
and PRODUCTION_SERVICE like '%'||'蟹'||'%';
234
COUNT(*)
----------
1

SQL> select PRODUCTION_SERVICE, dump(PRODUCTION_SERVICE),dump( '蟹')
2fromcompany
where view_name = '泰兴市佰信纺织有限公司'
34;
PRODUCTION_SERVICE
------------------------------------------------------------------------------------------------------------------------
DUMP(PRODUCTION_SERVICE)
------------------------------------------------------------------------------------------------------------------------
DUMP('蟹')
---------------------
牛仔布;色织布;弹力牛仔布;竹节牛仔布;彩色牛仔布;提花牛仔布;牛仔服;牛仔裤;纱卡;灯蕊绒;
Typ=1 Len=84: 197,163,215,208,178,188,59,201,171,214,175,178,188,59,181,175,193,166,197,163,215,208,178,188,59,214,241,1
89,218,197,163,215,208,178,188,59,178,202,201,171,197,163,215,208,178,188,59,204,225,187,168,197,163,215,208,178,188,59,
197,163,215,208,183,254,59,197,163,215,208,191,227,59,201,180,191,168,59,181,198,200,239,200,222,59
Typ=96 Len=2: 208,183
SQL> select1 fromdualwhere'仔服'like'%'||'蟹'||'%';
1
----------
1
SQL>

原文参考
http://blog.itpub.net/post/330/3766

千问 · 2005-2-28 12:57:00

SQL> select 1 from dual where '仔服' like '%'||'蟹'||'%';
no rows selected
Elapsed: 00:00:00.00

怎么没选出来呀？〉

千问 · 2005-2-28 12:57:00

我的字符集是 us7ascii

不同字符集是不一样的

千问 · 2005-2-28 12:57:00

有点意思

千问 · 2005-2-28 12:57:00

C:\>set NLS_LANG=AMERICAN_AMERICA.us7ascii
C:\>sqlplus /nolog
SQL*Plus: Release 9.2.0.1.0 - Production on Mon Oct 25 17:48:39 2004
Copyright (c) 1982, 2002, Oracle Corporation.All rights reserved.
SQL> conn sys/admin as sysdba
Connected.
SQL> select 1 from dual where '仔服' like '%'||'蟹'||'%';
1
----------
1
SQL>

千问 · 2005-2-28 12:57:00

呵呵,那以后有类似的应用就要小心了.

千问 · 2005-2-28 12:57:00

最初由 biti_rainy 发布
[B]我的字符集是 us7ascii

不同字符集是不一样的 [/B]
我觉得关键是由于ascii字符集没有真正支持中文。
SQL> select value$ from sys.props$ where name = 'NLS_CHARACTERSET';
VALUE$
---------------------------------------------------------------------
ZHS16GBK
SQL> select 1 from dual where '仔服' like '%'||'蟹'||'%';
未选定行
SQL> select dump('仔服') from dual;
DUMP('仔服')
-----------------------------
Typ=96 Len=4: 215,208,183,254
SQL> select dump ('蟹') from dual;
DUMP('蟹')
---------------------
Typ=96 Len=2: 208,183

千问 · 2005-2-28 12:57:00

>select 1 from dual where '仔服' like '%'||'蟹'||'%';
1
----------
1
>select value$ from sys.props$ where name = 'NLS_CHARACTERSET';
VALUE$
----------------------------------------------------------------
----------------------------------------
ZHS16GBK
我觉得这和数据库版本有关系。我的数据库是oracle816，可能oracle在后续版本中修正了这个BUG

千问 · 2005-2-28 12:57:00

最初由 cgh_chen 发布
[B]>select 1 from dual where '仔服' like '%'||'蟹'||'%';
1
----------
1
>select value$ from sys.props$ where name = 'NLS_CHARACTERSET';
VALUE$
----------------------------------------------------------------
----------------------------------------
ZHS16GBK
我觉得这和数据库版本有关系。我的数据库是oracle816，可能oracle在后续版本中修正了这个BUG [/B]
SQL*Plus: Release 8.0.6.0.0 - Production on Tue Oct 26 10:14:46 2004
(c) Copyright 1999 Oracle Corporation.All rights reserved.
SQL> conn / as sysdba
Connected.
SQL> select 1 from dual where '仔服' like '%'||'蟹'||'%';
no rows selected
SQL> select value$ from sys.props$ where name = 'NLS_CHARACTERSET';
VALUE$
--------------------------------------------------------------------------------
ZHS16CGB231280
那我的806怎么也没有啊

千问 · 2005-2-28 12:57:00

一般的说来，中文的字符集应该是正常的
不是中文的字符集，则oracle在匹配的时候不能判别这相临字节是不是同一个字符