SQLite soundex() 函数使用指南

SQLite soundex() 是一个内置的字符串处理函数，它实现了经典的 Soundex 语音哈希算法。该算法能够将发音相似的英文字符串映射为相同的四字符编码（一个英文字母加三位数字），主要用于解决英文拼写不统一、打字录入微小错误或基于发音的模糊姓名匹配问题。

在客户关系管理系统（CRM）、人员档案库以及全文字典搜索场景中，用户的输入往往存在拼写误差（例如 “Smith” 与 “Smyth”）。使用 soundex() 函数可以快速在 SQL 查询中根据发音聚类，提高数据检索的容错能力。

SQLite soundex() 语法

这里是 SQLite soundex() 函数的标准语法：

soundex(string)

参数

string
必需的。需要计算 Soundex 语音编码的目标英文字符串。若传入非字符串类型，SQLite 会在计算前隐式将其转换为文本。

返回值

SQLite soundex() 函数返回一个由大写字母和三位数字组成的 4 字符文本（例如 'S530'）：

  • 编码规则保留首个有效英文字母，随后根据辅音发音群（如 B, F, P, V 编码为 1；C, G, J, K, Q, S, X, Z 编码为 2 等）转换为数字，省略元音（A, E, I, O, U, Y, H, W），并在末尾补零以确保长度为 4。
  • 如果参数为 NULL，该函数返回 NULL。
  • 如果传入的字符串不包含任何英文字母，通常返回 '?000'。

[!NOTE] 在某些精简编译的 SQLite 发行版中，soundex() 属于可选特性。默认编译开关需启用 -DSQLITE_SOUNDEX 宏支持。

SQLite soundex() 示例

这里提供多个展示 SQLite soundex() 实际应用场景的示例。

比较不同拼写的同音单词

通过计算发音相同但拼写不同的两个姓名，观察返回的编码：

SELECT 
    soundex('Smith') AS soundex_smith,
    soundex('Smyth') AS soundex_smyth,
    soundex('Robert') AS soundex_robert,
    soundex('Rupert') AS soundex_rupert;

输出：

soundex_smith  soundex_smyth  soundex_robert  soundex_rupert
-------------  -------------  --------------  --------------
S530           S530           R163            R163

可以看到，‘Smith’ 和 ‘Smyth’ 映射为相同的编码 S530，‘Robert’ 和 ‘Rupert’ 映射为 R163。

在查询中实现姓名容错过滤

假设有一个客户联系人表 customers，用户在搜索框中误将 “Stephen” 拼写为 “Steven”：

CREATE TABLE customers (
    id INTEGER PRIMARY KEY,
    full_name TEXT NOT NULL
);

INSERT INTO customers (id, full_name) VALUES
(1, 'Stephen Curry'),
(2, 'Michael Jordan'),
(3, 'Steven Adams');

-- 检索发音匹配 'Steven' 的所有人
SELECT id, full_name 
FROM customers 
WHERE soundex(full_name) = soundex('Steven');

输出：

id  full_name    
--  -------------
1   Stephen Curry
3   Steven Adams

NULL 值与非字母字符串测试

SELECT 
    soundex(NULL) AS res_null,
    soundex('12345') AS res_num,
    soundex('') AS res_empty;

输出：

res_null  res_num  res_empty
--------  -------  ---------
NULL      ?000     ?000

结论

  • soundex() 适合处理欧美常见姓名的同音异形检索。
  • 该算法仅基于标准英语语音规则设计，对于汉语拼音、非拉丁文字（如中文汉字、日文假名）或复杂的复合专有名词效果有限。
  • 在大数据量表上针对 soundex(column) 频繁过滤时，建议创建基于表达式的索引（CREATE INDEX idx_name_soundex ON customers(soundex(full_name))）以避免全表顺序扫描。