[gelöst] deutsche Soundex-Implementation

[AmicaNoctis]

Hallo zusammen,

bevor ich mich jetzt hinsetze und da selbst was programmiere, habe ich natürlich erstmal im Netz gesucht. Es gibt Gerüchte, dass "jemand das schonmal gemacht hat", aber nichts konkretes, wer das war oder wo man das findet.

Vielleicht weiß ja jemand von euch, wo man das finden kann, sei es als PHP- oder als MySQL-Funktion.

Viele Grüße,

Amica

[combie]

Futter für Google: "Kölner Phonetik php class"

[AmicaNoctis]

Hallo Combie,

dein Tipp war als Futter für Google zum Glück unbrauchbar, hat aber ein prima Emetikum abgegeben, weil Google es nicht einfach geschluckt, sondern mit noch mehr drumherum wieder ausgespuckt hat

Jedenfalls: Vielen Dank für den Tipp, ich teste es gerade aus. Das Regelwerk sieht dort ja sehr übersichtlich aus. Meine eigenen Vorüberlegungen waren da wahrscheinlich schon zu kompliziert gedacht.

Gruß,

Amica

[combie]

Egal aus welchem Löchlein es quoll, Hauptsache du konntest den Auswurf weiter verwerten.

[AmicaNoctis]

Jep, ich hab es noch etwas meinen Bedürfnissen angepasst, weil am Telefon "s-" im Anlaut ähnlich wie "f-" (Sahne/Fahne) und "-er" im Auslaut ähnlich wie "-a" klingt (Scherz/Schatz; aller/Alah).

Schade, dass MySQL nativ kein preg_replace hat. Dann könnte ich es super leicht gleich dort implementieren.

[wahsaga]

Schade, dass MySQL nativ kein preg_replace hat. Dann könnte ich es super leicht gleich dort implementieren.

Was genau meinst du?

Reguläre Ausdrücke beherrscht MySQL doch zumindest in gewissem Umfang: http://dev.mysql.com/doc/refman/5.1/en/regexp.html

[combie]

Ja, das wird dich wohl mindestens eine zusätzliche Spalte kosten.
In sqlite würde es per UDF gehen.

Reguläre Ausdrücke beherrscht MySQL doch zumindest in gewissem Umfang

Da dann kein Index mehr genutzt werden kann, wird das eine "teure" Angelegenheit.

[AmicaNoctis]

Was genau meinst du?

Reguläre Ausdrücke beherrscht MySQL doch zumindest in gewissem Umfang: MySQL :: MySQL 5.1 Reference Manual :: 11.4.2 Regular Expressions

Eigentlich hätte ich es präziser nicht sagen können: ich meine preg_replace. MySQL kann aber nur matchen.

[AmicaNoctis]

Hallo zusammen,

nachdem ich das Thema eine Weile ruhen lassen musste, hier nun mein Ergebnis: Die Kölner Phonetik als Funktion für MySQL mit leichten Modifikationen, um Undeutlichkeiten am Telefon zu kompensieren:

delimiter |
drop function if exists strip_non_alpha|
drop function if exists soundex_de|

create function strip_non_alpha (string varchar(255))
	returns varchar(255) deterministic
	begin
		declare res varchar(255) default '';
		set string = lower(string);
		while char_length(string) > 0 do
			if string regexp '^[a-zäöüß]' then
				set res = concat(res, substr(string, 1, 1));
			end if;
			set string = substr(string, 2);
		end while;
		return res;
	end|

create function soundex_de (string varchar(255))
	returns varchar(255) deterministic
	begin
		declare res varchar(255) default '';
		declare tmp varchar(255) default '';
		declare i tinyint unsigned default 1;
		set string = strip_non_alpha(string);
		while char_length(string) > 0 do
			if string regexp '^[0-9]' then
				set res = concat(res, substr(string, 1, 1));
				set string = substr(string, 2);
			elseif string regexp '^[aeijouyäöüÄÖÜ]' then
				set res = concat(res, '0');
				set string = substr(string, 2);
			elseif string regexp '^ph' then
				set res = concat(res, '3');
				set string = substr(string, 3);
			elseif string regexp '^[bp]' then
				set res = concat(res, '1');
				set string = substr(string, 2);
			elseif string regexp '^[dt][csz]' then
				set res = concat(res, '8');
				set string = substr(string, 3);
			elseif string regexp '^[dt]' then
				set res = concat(res, '2');
				set string = substr(string, 2);
			elseif string regexp '^[fvw]' then
				set res = concat(res, '3');
				set string = substr(string, 2);
			elseif string regexp '^[gkq]' then
				set res = concat(res, '4');
				set string = substr(string, 2);
			elseif string regexp '^c[ahkloqrux]' then
				set res = concat(res, '4');
				set string = substr(string, 2);
			elseif string regexp '^[^sz]c[ahkloqrux]' then
				set string = concat(substr(string, 1, 1), '4', substr(string, 3));
			elseif string regexp '^[^ckq]x+' then
				set tmp = substr(string, 1, 1);
				set string = substr(string, 3);
				while substr(string, 1, 1) = 'x' do
					set string = substr(string, 2);
				end while;
				set string = concat(tmp, 48, string);
			elseif string regexp '^l' then
				set res = concat(res, '5');
				set string = substr(string, 2);
			elseif string regexp '^[mn]' then
				set res = concat(res, '6');
				set string = substr(string, 2);
			elseif string regexp '^r' then
				set res = concat(res, '7');
				set string = substr(string, 2);
			elseif string regexp '^[sz]c' then
				set string = concat(substr(string, 1, 1), '8', substr(string, 3));
			elseif string regexp '^[szß]' then
				set res = concat(res, '8');
				set string = substr(string, 2);
			elseif string regexp '^c[^ahkloqrux]?' then
				set res = concat(res, '8');
				set string = substr(string, 2);
			elseif string regexp '^[ckq]x' then
				set string = concat(substr(string, 1, 1), '8', substr(string, 3));
			else
				set string = substr(string, 2);
			end if;
		end while;
		set res = replace(res, '070', '@');
		set res = replace(res, '07', '0');
		set res = replace(res, '@', '070'); # improved handling of silent r after vowels
		set res = replace(res, '3', '8'); # for phone calls, where F sounds like S
		set tmp = '@';
		while i <= char_length(res) do
			if substr(res, i, 1) = tmp then
				set res = concat(substr(res, 1, i - 1), substr(res, i + 1));
			else
				set tmp = substr(res, i, 1);
				set i = i + 1;
			end if;
			
		end while;
		set res = concat(substr(res, 1, 1), replace(substr(res, 2), '0', ''));
		return res;
	end|

delimiter ;

Gruß,

Amica

[unset]

Sollte das nicht eher in die Code-Schnipsel?

[TriphunEM]

Wie implementier ich das in MySQL, so dass es mir im Query zur Verfügung steht?

Danke

[AmicaNoctis]

Du willst es implementieren? Ich dachte, das hätte ich schon gemacht? Oder willst du es nur importieren?:

Du wechselst zu dem Schema (bzw. "Datenbank" in MySQL), in dem es zur Verfügung stehen soll und importierst einfach den gesamten Code. Der legt es als Funktion an und die steht dann immer zur Verfügung. Aufgerufen wird es dann z. B. so:

select soundex_de('Meyer');
select soundex_de('Mayer') = soundex_de('Maja');

Einen "sounds like"-Shortcut gibt es natürlich nicht, dafür müsste man den Parser umschreiben. Aber man kann natürlich alles wie im zweiten Beispiel vergleichen.

Gruß,

Amica