गलत मिलान के लिए खोजें, इनपुट त्रुटियों के लिए खोजें

प्रस्तावना

हमारी कंपनी की अपनी CRM है और समय-समय पर निश्चित पते वाले कुछ संगठनों के बारे में जानकारी इस प्रणाली में जोड़ी जाती है, और मुख्य बात यह है कि ये पते अनिवार्य रूप से अद्वितीय हैं, अर्थात्, सिस्टम में एक पते पर कई संगठन नहीं होने चाहिए (बारीकियों, वास्तव में,) लेकिन chelfakom * द्वारा नियंत्रित)। हाल ही में, KLADR को सिस्टम में खराब कर दिया गया था, लेकिन यह रामबाण भी नहीं हो सकता था। KLADR में अशुद्धि का एक समूह है, हम में से कई। अंकों को बिना घर के नंबर आदि के छोड़ दिया गया। आदि, हालांकि ये पते वास्तविकता में हैं (डेटा कंपनी के कर्मचारियों द्वारा प्रदान किया गया है और वे विश्वसनीय हैं)। सामान्य तौर पर, पता दर्ज करना KLADR से संकेत के साथ मुक्त रूप में छोड़ दिया गया था। मैं तुरंत कहना चाहता हूं कि हमने खेतों के संयोजन से इनकार कर दिया, क्योंकि संक्षिप्तीकरण के लिए विभिन्न प्रकार के शब्द अच्छे नहीं थे, और समानता में पता भी काफी अनुमेय था ("ओलोशोस्को श। 5 किमी", "टीसी वेसलचेक यू" या "सेंट्रल मार्केट")। और अंत में, प्रोग्रामर का मुख्य दुश्मन चेलेफक है, जो अशिक्षा और टाइपो से चिपचिपा कीबोर्ड और टाइपो से निकलता है। बाकी कटौती के तहत है ...

हमारे पास क्या है?

एक तरफ, हमारे पास है: एक डेटाबेस एक क्षेत्र में निश्चित पते से भरा है, दूसरी तरफ, सभी परिणामों के साथ कर्मचारी प्रणाली को रिपोर्ट करने की जल्दी में। मैं डेटा को डुप्लिकेट से जितना संभव हो सके संरक्षित करना चाहता था और उपयोगकर्ता को रिकॉर्ड के संभावित दोहराव के बारे में चेतावनी प्रदर्शित करने का निर्णय लिया गया था।

समस्या हल करना

मैंने एल्गोरिथ्म पर यथासंभव सटीक टिप्पणी करने की कोशिश की, इसलिए मुझे एक संक्षिप्त विवरण मिलेगा।

• हम स्रोत पाठ लेते हैं और "अतिरिक्त" को हटा देते हैं
• हम पते में शब्दों को तथाकथित सिलेबल्स में तोड़ते हैं
• इनपुट के साथ भी ऐसा ही करें।
• सिलेबस मिलान को प्रतिशत में सत्यापित करें
• हम इसे छोड़ने के लिए पते में संख्याओं पर एक अतिरिक्त जांच करते हैं, क्योंकि यहां तक ​​कि गलती से एक अलग घर या भवन संख्या के साथ मुद्रित सड़क को अब डुप्लिकेट नहीं माना जाना चाहिए
• हम तुलना के बाद एक निर्णय प्रस्तुत करते हैं
• हम मिलते-जुलते मैच देते हैं
• शेल्फ से एक पाई लें

यह कैसे काम करता है

निम्नलिखित सिर्फ कोड है:

function clearAddr($addr) { $associate = array( " " => "", //    "." => "", "." => "", "." => "", "." => "", "." => "", "." => "", "." => "", "." => "", "-." => "", "-" => "", "-." => "", "-" => "", "-." => "", "-" => "", "." => "", "" => "", ".-" => "", "." => "", "" => "", "." => "", "." => "", "." => "", "." => "", "." => "", "-." => "", "-" => "", "-" => "", "-." => "", "1-" => "", "2-" => "", "3-" => "", "4-" => "", "5-" => "", "6-" => "", "7-" => "", "8-" => "", "9-" => "", "1-" => "", "2-" => "", "3-" => "", "4-" => "", "5-" => "", "6-" => "", "7-" => "", "8-" => "", "9-" => "" ); $clrd_addr = strtolower(strtr($addr, $associate)); return $clrd_addr; } function getNums($search) { preg_match_all("/[0-9]*/", $search, $matches); $matches = array_diff($matches[0], array("")); //     $matches return $matches; } function getMatchAdress($addr_string, &$Addr_array) { if(!isset($addr_string) || strlen($addr_string) < 1) return false; $list = array(); $nums = getNums($addr_string); //       $addr_string = clearAddr(preg_replace("/[0-9]*/", "", $addr_string)); //     $word_parts = explode("\n", chunk_split(trim($addr_string), 2)); //       2  array_pop($word_parts); //     foreach($Addr_array as $row) { $word_match = 0; $last_pos = 0; //    $clr_row = clearAddr($row); $row_nums = getNums($row); //   ..    foreach($word_parts as $syllable) { $match_in = strpos($clr_row, strtolower(trim($syllable)), $last_pos); //  -   //        if($match_in > -1 && $match_in < $last_pos + 4) { $last_pos = $match_in + strlen(trim($syllable)); $word_match++; } } $all_percents = count($word_parts); //      $found_percents = $word_match; //    $match_perc = round($found_percents * 100 / $all_percents); //    $max_point = 70; //    //         if($match_perc >= $max_point) { if(!empty($nums)) { //      foreach($nums as $num) { if(in_array($num, $row_nums)) $list[] = $row; } } else { //    $list[] = $row; } } } return $list; } 

यह कैसा दिखता है

डेटाबेस में क्या है:

. , .40
. , .14
4- ., .1
. , .15
., .6
. ., .48
...
...
...
. , .31/22
. , .23, . 41
. -, .11
- , .39, .1
4- ., .4
, .2


हम एक प्रवेश द्वार पर देते हैं: डोरिनिंसि

हमारे पास बाहर निकलने पर:

 Array ( [0] => 4-  ., .1 [1] => 4-  ., .4 ) 

यदि खोज क्वेरी Doryninsky d.1 की तरह दिखती है, तो हम केवल एक शून्य कुंजी देखेंगे।

लाभ!, जीवित रहने के लिए धन्यवाद।