Age Owner Branch data TLA Line data Source code
1 : : /*
2 : : * fuzzystrmatch.c
3 : : *
4 : : * Functions for "fuzzy" comparison of strings
5 : : *
6 : : * Joe Conway <mail@joeconway.com>
7 : : *
8 : : * contrib/fuzzystrmatch/fuzzystrmatch.c
9 : : * Copyright (c) 2001-2025, PostgreSQL Global Development Group
10 : : * ALL RIGHTS RESERVED;
11 : : *
12 : : * metaphone()
13 : : * -----------
14 : : * Modified for PostgreSQL by Joe Conway.
15 : : * Based on CPAN's "Text-Metaphone-1.96" by Michael G Schwern <schwern@pobox.com>
16 : : * Code slightly modified for use as PostgreSQL function (palloc, elog, etc).
17 : : * Metaphone was originally created by Lawrence Philips and presented in article
18 : : * in "Computer Language" December 1990 issue.
19 : : *
20 : : * Permission to use, copy, modify, and distribute this software and its
21 : : * documentation for any purpose, without fee, and without a written agreement
22 : : * is hereby granted, provided that the above copyright notice and this
23 : : * paragraph and the following two paragraphs appear in all copies.
24 : : *
25 : : * IN NO EVENT SHALL THE AUTHORS OR DISTRIBUTORS BE LIABLE TO ANY PARTY FOR
26 : : * DIRECT, INDIRECT, SPECIAL, INCIDENTAL, OR CONSEQUENTIAL DAMAGES, INCLUDING
27 : : * LOST PROFITS, ARISING OUT OF THE USE OF THIS SOFTWARE AND ITS
28 : : * DOCUMENTATION, EVEN IF THE AUTHOR OR DISTRIBUTORS HAVE BEEN ADVISED OF THE
29 : : * POSSIBILITY OF SUCH DAMAGE.
30 : : *
31 : : * THE AUTHORS AND DISTRIBUTORS SPECIFICALLY DISCLAIM ANY WARRANTIES,
32 : : * INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY
33 : : * AND FITNESS FOR A PARTICULAR PURPOSE. THE SOFTWARE PROVIDED HEREUNDER IS
34 : : * ON AN "AS IS" BASIS, AND THE AUTHOR AND DISTRIBUTORS HAS NO OBLIGATIONS TO
35 : : * PROVIDE MAINTENANCE, SUPPORT, UPDATES, ENHANCEMENTS, OR MODIFICATIONS.
36 : : *
37 : : */
38 : :
39 : : #include "postgres.h"
40 : :
41 : : #include <ctype.h>
42 : :
43 : : #include "utils/builtins.h"
44 : : #include "utils/varlena.h"
45 : : #include "varatt.h"
46 : :
164 tgl@sss.pgh.pa.us 47 :CBC 2 : PG_MODULE_MAGIC_EXT(
48 : : .name = "fuzzystrmatch",
49 : : .version = PG_VERSION
50 : : );
51 : :
52 : : /*
53 : : * Soundex
54 : : */
55 : : static void _soundex(const char *instr, char *outstr);
56 : :
57 : : #define SOUNDEX_LEN 4
58 : :
59 : : /* ABCDEFGHIJKLMNOPQRSTUVWXYZ */
60 : : static const char *const soundex_table = "01230120022455012623010202";
61 : :
62 : : static char
5996 63 : 127 : soundex_code(char letter)
64 : : {
65 : 127 : letter = toupper((unsigned char) letter);
66 : : /* Defend against non-ASCII letters */
67 [ + + + - ]: 127 : if (letter >= 'A' && letter <= 'Z')
68 : 126 : return soundex_table[letter - 'A'];
69 : 1 : return letter;
70 : : }
71 : :
72 : : /*
73 : : * Metaphone
74 : : */
75 : : #define MAX_METAPHONE_STRLEN 255
76 : :
77 : : /*
78 : : * Original code by Michael G Schwern starts here.
79 : : * Code slightly modified for use as PostgreSQL function.
80 : : */
81 : :
82 : :
83 : : /**************************************************************************
84 : : metaphone -- Breaks english phrases down into their phonemes.
85 : :
86 : : Input
87 : : word -- An english word to be phonized
88 : : max_phonemes -- How many phonemes to calculate. If 0, then it
89 : : will phonize the entire phrase.
90 : : phoned_word -- The final phonized word. (We'll allocate the
91 : : memory.)
92 : : Output
93 : : error -- A simple error flag, returns true or false
94 : :
95 : : NOTES: ALL non-alpha characters are ignored, this includes whitespace,
96 : : although non-alpha characters will break up phonemes.
97 : : ****************************************************************************/
98 : :
99 : :
100 : : /* I add modifications to the traditional metaphone algorithm that you
101 : : might find in books. Define this if you want metaphone to behave
102 : : traditionally */
103 : : #undef USE_TRADITIONAL_METAPHONE
104 : :
105 : : /* Special encodings */
106 : : #define SH 'X'
107 : : #define TH '0'
108 : :
109 : : static char Lookahead(char *word, int how_far);
110 : : static void _metaphone(char *word, int max_phonemes, char **phoned_word);
111 : :
112 : : /* Metachar.h ... little bits about characters for metaphone */
113 : :
114 : :
115 : : /*-- Character encoding array & accessing macros --*/
116 : : /* Stolen directly out of the book... */
117 : : static const char _codes[26] = {
118 : : 1, 16, 4, 16, 9, 2, 4, 16, 9, 2, 0, 2, 2, 2, 1, 4, 0, 2, 4, 4, 1, 0, 0, 0, 8, 0
119 : : /* a b c d e f g h i j k l m n o p q r s t u v w x y z */
120 : : };
121 : :
122 : : static int
123 : 1 : getcode(char c)
124 : : {
125 [ + - ]: 1 : if (isalpha((unsigned char) c))
126 : : {
127 : 1 : c = toupper((unsigned char) c);
128 : : /* Defend against non-ASCII letters */
129 [ + - + - ]: 1 : if (c >= 'A' && c <= 'Z')
130 : 1 : return _codes[c - 'A'];
131 : : }
5996 tgl@sss.pgh.pa.us 132 :UBC 0 : return 0;
133 : : }
134 : :
135 : : #define isvowel(c) (getcode(c) & 1) /* AEIOU */
136 : :
137 : : /* These letters are passed through unchanged */
138 : : #define NOCHANGE(c) (getcode(c) & 2) /* FJMNR */
139 : :
140 : : /* These form diphthongs when preceding H */
141 : : #define AFFECTH(c) (getcode(c) & 4) /* CGPST */
142 : :
143 : : /* These make C and G soft */
144 : : #define MAKESOFT(c) (getcode(c) & 8) /* EIY */
145 : :
146 : : /* These prevent GH from becoming F */
147 : : #define NOGHTOF(c) (getcode(c) & 16) /* BDH */
148 : :
6365 tgl@sss.pgh.pa.us 149 :CBC 2 : PG_FUNCTION_INFO_V1(levenshtein_with_costs);
150 : : Datum
151 : 1 : levenshtein_with_costs(PG_FUNCTION_ARGS)
152 : : {
5518 rhaas@postgresql.org 153 : 1 : text *src = PG_GETARG_TEXT_PP(0);
154 : 1 : text *dst = PG_GETARG_TEXT_PP(1);
5931 bruce@momjian.us 155 : 1 : int ins_c = PG_GETARG_INT32(2);
156 : 1 : int del_c = PG_GETARG_INT32(3);
157 : 1 : int sub_c = PG_GETARG_INT32(4);
158 : : const char *s_data;
159 : : const char *t_data;
160 : : int s_bytes,
161 : : t_bytes;
162 : :
163 : : /* Extract a pointer to the actual character data */
3950 rhaas@postgresql.org 164 [ - + ]: 1 : s_data = VARDATA_ANY(src);
165 [ - + ]: 1 : t_data = VARDATA_ANY(dst);
166 : : /* Determine length of each string in bytes */
167 [ - + - - : 1 : s_bytes = VARSIZE_ANY_EXHDR(src);
- - - - -
+ ]
168 [ - + - - : 1 : t_bytes = VARSIZE_ANY_EXHDR(dst);
- - - - -
+ ]
169 : :
3515 tgl@sss.pgh.pa.us 170 : 1 : PG_RETURN_INT32(varstr_levenshtein(s_data, s_bytes, t_data, t_bytes,
171 : : ins_c, del_c, sub_c, false));
172 : : }
173 : :
174 : :
6365 175 : 2 : PG_FUNCTION_INFO_V1(levenshtein);
176 : : Datum
177 : 1 : levenshtein(PG_FUNCTION_ARGS)
178 : : {
5518 rhaas@postgresql.org 179 : 1 : text *src = PG_GETARG_TEXT_PP(0);
180 : 1 : text *dst = PG_GETARG_TEXT_PP(1);
181 : : const char *s_data;
182 : : const char *t_data;
183 : : int s_bytes,
184 : : t_bytes;
185 : :
186 : : /* Extract a pointer to the actual character data */
3950 187 [ - + ]: 1 : s_data = VARDATA_ANY(src);
188 [ - + ]: 1 : t_data = VARDATA_ANY(dst);
189 : : /* Determine length of each string in bytes */
190 [ - + - - : 1 : s_bytes = VARSIZE_ANY_EXHDR(src);
- - - - -
+ ]
191 [ - + - - : 1 : t_bytes = VARSIZE_ANY_EXHDR(dst);
- - - - -
+ ]
192 : :
3515 tgl@sss.pgh.pa.us 193 : 1 : PG_RETURN_INT32(varstr_levenshtein(s_data, s_bytes, t_data, t_bytes,
194 : : 1, 1, 1, false));
195 : : }
196 : :
197 : :
5436 rhaas@postgresql.org 198 : 1 : PG_FUNCTION_INFO_V1(levenshtein_less_equal_with_costs);
199 : : Datum
5436 rhaas@postgresql.org 200 :UBC 0 : levenshtein_less_equal_with_costs(PG_FUNCTION_ARGS)
201 : : {
202 : 0 : text *src = PG_GETARG_TEXT_PP(0);
203 : 0 : text *dst = PG_GETARG_TEXT_PP(1);
204 : 0 : int ins_c = PG_GETARG_INT32(2);
205 : 0 : int del_c = PG_GETARG_INT32(3);
206 : 0 : int sub_c = PG_GETARG_INT32(4);
207 : 0 : int max_d = PG_GETARG_INT32(5);
208 : : const char *s_data;
209 : : const char *t_data;
210 : : int s_bytes,
211 : : t_bytes;
212 : :
213 : : /* Extract a pointer to the actual character data */
3950 214 [ # # ]: 0 : s_data = VARDATA_ANY(src);
215 [ # # ]: 0 : t_data = VARDATA_ANY(dst);
216 : : /* Determine length of each string in bytes */
217 [ # # # # : 0 : s_bytes = VARSIZE_ANY_EXHDR(src);
# # # # #
# ]
218 [ # # # # : 0 : t_bytes = VARSIZE_ANY_EXHDR(dst);
# # # # #
# ]
219 : :
3515 tgl@sss.pgh.pa.us 220 : 0 : PG_RETURN_INT32(varstr_levenshtein_less_equal(s_data, s_bytes,
221 : : t_data, t_bytes,
222 : : ins_c, del_c, sub_c,
223 : : max_d, false));
224 : : }
225 : :
226 : :
5436 rhaas@postgresql.org 227 :CBC 2 : PG_FUNCTION_INFO_V1(levenshtein_less_equal);
228 : : Datum
229 : 2 : levenshtein_less_equal(PG_FUNCTION_ARGS)
230 : : {
231 : 2 : text *src = PG_GETARG_TEXT_PP(0);
232 : 2 : text *dst = PG_GETARG_TEXT_PP(1);
233 : 2 : int max_d = PG_GETARG_INT32(2);
234 : : const char *s_data;
235 : : const char *t_data;
236 : : int s_bytes,
237 : : t_bytes;
238 : :
239 : : /* Extract a pointer to the actual character data */
3950 240 [ - + ]: 2 : s_data = VARDATA_ANY(src);
241 [ - + ]: 2 : t_data = VARDATA_ANY(dst);
242 : : /* Determine length of each string in bytes */
243 [ - + - - : 2 : s_bytes = VARSIZE_ANY_EXHDR(src);
- - - - -
+ ]
244 [ - + - - : 2 : t_bytes = VARSIZE_ANY_EXHDR(dst);
- - - - -
+ ]
245 : :
3515 tgl@sss.pgh.pa.us 246 : 2 : PG_RETURN_INT32(varstr_levenshtein_less_equal(s_data, s_bytes,
247 : : t_data, t_bytes,
248 : : 1, 1, 1,
249 : : max_d, false));
250 : : }
251 : :
252 : :
253 : : /*
254 : : * Calculates the metaphone of an input string.
255 : : * Returns number of characters requested
256 : : * (suggested value is 4)
257 : : */
8796 bruce@momjian.us 258 : 2 : PG_FUNCTION_INFO_V1(metaphone);
259 : : Datum
260 : 1 : metaphone(PG_FUNCTION_ARGS)
261 : : {
6374 tgl@sss.pgh.pa.us 262 : 1 : char *str_i = TextDatumGetCString(PG_GETARG_DATUM(0));
263 : 1 : size_t str_i_len = strlen(str_i);
264 : : int reqlen;
265 : : char *metaph;
266 : :
267 : : /* return an empty string if we receive one */
7737 mail@joeconway.com 268 [ - + ]: 1 : if (!(str_i_len > 0))
6374 tgl@sss.pgh.pa.us 269 :UBC 0 : PG_RETURN_TEXT_P(cstring_to_text(""));
270 : :
8796 bruce@momjian.us 271 [ - + ]:CBC 1 : if (str_i_len > MAX_METAPHONE_STRLEN)
8080 tgl@sss.pgh.pa.us 272 [ # # ]:UBC 0 : ereport(ERROR,
273 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
274 : : errmsg("argument exceeds the maximum length of %d bytes",
275 : : MAX_METAPHONE_STRLEN)));
276 : :
8796 bruce@momjian.us 277 :CBC 1 : reqlen = PG_GETARG_INT32(1);
278 [ - + ]: 1 : if (reqlen > MAX_METAPHONE_STRLEN)
8080 tgl@sss.pgh.pa.us 279 [ # # ]:UBC 0 : ereport(ERROR,
280 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
281 : : errmsg("output exceeds the maximum length of %d bytes",
282 : : MAX_METAPHONE_STRLEN)));
283 : :
8796 bruce@momjian.us 284 [ - + ]:CBC 1 : if (!(reqlen > 0))
8080 tgl@sss.pgh.pa.us 285 [ # # ]:UBC 0 : ereport(ERROR,
286 : : (errcode(ERRCODE_ZERO_LENGTH_CHARACTER_STRING),
287 : : errmsg("output cannot be empty string")));
288 : :
2942 peter_e@gmx.net 289 :CBC 1 : _metaphone(str_i, reqlen, &metaph);
290 : 1 : PG_RETURN_TEXT_P(cstring_to_text(metaph));
291 : : }
292 : :
293 : :
294 : : /*
295 : : * Original code by Michael G Schwern starts here.
296 : : * Code slightly modified for use as PostgreSQL
297 : : * function (palloc, etc).
298 : : */
299 : :
300 : : /* I suppose I could have been using a character pointer instead of
301 : : * accessing the array directly... */
302 : :
303 : : /* Look at the next letter in the word */
304 : : #define Next_Letter (toupper((unsigned char) word[w_idx+1]))
305 : : /* Look at the current letter in the word */
306 : : #define Curr_Letter (toupper((unsigned char) word[w_idx]))
307 : : /* Go N letters back. */
308 : : #define Look_Back_Letter(n) \
309 : : (w_idx >= (n) ? toupper((unsigned char) word[w_idx-(n)]) : '\0')
310 : : /* Previous letter. I dunno, should this return null on failure? */
311 : : #define Prev_Letter (Look_Back_Letter(1))
312 : : /* Look two letters down. It makes sure you don't walk off the string. */
313 : : #define After_Next_Letter \
314 : : (Next_Letter != '\0' ? toupper((unsigned char) word[w_idx+2]) : '\0')
315 : : #define Look_Ahead_Letter(n) toupper((unsigned char) Lookahead(word+w_idx, n))
316 : :
317 : :
318 : : /* Allows us to safely look ahead an arbitrary # of letters */
319 : : /* I probably could have just used strlen... */
320 : : static char
8717 bruce@momjian.us 321 :UBC 0 : Lookahead(char *word, int how_far)
322 : : {
323 : 0 : char letter_ahead = '\0'; /* null by default */
324 : : int idx;
325 : :
326 [ # # # # ]: 0 : for (idx = 0; word[idx] != '\0' && idx < how_far; idx++);
327 : : /* Edge forward in the string... */
328 : :
7266 329 : 0 : letter_ahead = word[idx]; /* idx will be either == to how_far or at the
330 : : * end of the string */
8796 331 : 0 : return letter_ahead;
332 : : }
333 : :
334 : :
335 : : /* phonize one letter */
336 : : #define Phonize(c) do {(*phoned_word)[p_idx++] = c;} while (0)
337 : : /* Slap a null character on the end of the phoned word */
338 : : #define End_Phoned_Word do {(*phoned_word)[p_idx] = '\0';} while (0)
339 : : /* How long is the phoned word? */
340 : : #define Phone_Len (p_idx)
341 : :
342 : : /* Note is a letter is a 'break' in the word */
343 : : #define Isbreak(c) (!isalpha((unsigned char) (c)))
344 : :
345 : :
346 : : static void
5931 bruce@momjian.us 347 :CBC 1 : _metaphone(char *word, /* IN */
348 : : int max_phonemes,
349 : : char **phoned_word) /* OUT */
350 : : {
8717 351 : 1 : int w_idx = 0; /* point in the phonization we're at. */
352 : 1 : int p_idx = 0; /* end of the phoned phrase */
353 : :
354 : : /*-- Parameter checks --*/
355 : :
356 : : /*
357 : : * Shouldn't be necessary, but left these here anyway jec Aug 3, 2001
358 : : */
359 : :
360 : : /* Negative phoneme length is meaningless */
8796 361 [ - + ]: 1 : if (!(max_phonemes > 0))
362 : : /* internal error */
8796 bruce@momjian.us 363 [ # # ]:UBC 0 : elog(ERROR, "metaphone: Requested output length must be > 0");
364 : :
365 : : /* Empty/null string is meaningless */
8796 bruce@momjian.us 366 [ + - - + ]:CBC 1 : if ((word == NULL) || !(strlen(word) > 0))
367 : : /* internal error */
8796 bruce@momjian.us 368 [ # # ]:UBC 0 : elog(ERROR, "metaphone: Input string length must be > 0");
369 : :
370 : : /*-- Allocate memory for our phoned_phrase --*/
8717 bruce@momjian.us 371 [ - + ]:CBC 1 : if (max_phonemes == 0)
372 : : { /* Assume largest possible */
2999 tgl@sss.pgh.pa.us 373 :UBC 0 : *phoned_word = palloc(sizeof(char) * strlen(word) + 1);
374 : : }
375 : : else
376 : : {
8796 bruce@momjian.us 377 :CBC 1 : *phoned_word = palloc(sizeof(char) * max_phonemes + 1);
378 : : }
379 : :
380 : : /*-- The first phoneme has to be processed specially. --*/
381 : : /* Find our first letter */
8651 tgl@sss.pgh.pa.us 382 [ - + ]: 1 : for (; !isalpha((unsigned char) (Curr_Letter)); w_idx++)
383 : : {
384 : : /* On the off chance we were given nothing but crap... */
8717 bruce@momjian.us 385 [ # # ]:UBC 0 : if (Curr_Letter == '\0')
386 : : {
8713 387 : 0 : End_Phoned_Word;
2942 peter_e@gmx.net 388 : 0 : return;
389 : : }
390 : : }
391 : :
8717 bruce@momjian.us 392 [ - + - - :CBC 1 : switch (Curr_Letter)
- - ]
393 : : {
394 : : /* AE becomes E */
8796 bruce@momjian.us 395 :UBC 0 : case 'A':
8717 396 [ # # ]: 0 : if (Next_Letter == 'E')
397 : : {
8796 398 : 0 : Phonize('E');
8717 399 : 0 : w_idx += 2;
400 : : }
401 : : /* Remember, preserve vowels at the beginning */
402 : : else
403 : : {
8796 404 : 0 : Phonize('A');
405 : 0 : w_idx++;
406 : : }
407 : 0 : break;
408 : : /* [GKP]N becomes N */
8796 bruce@momjian.us 409 :CBC 1 : case 'G':
410 : : case 'K':
411 : : case 'P':
8717 412 [ - + ]: 1 : if (Next_Letter == 'N')
413 : : {
8796 bruce@momjian.us 414 :UBC 0 : Phonize('N');
8717 415 : 0 : w_idx += 2;
416 : : }
8796 bruce@momjian.us 417 :CBC 1 : break;
418 : :
419 : : /*
420 : : * WH becomes H, WR becomes R W if followed by a vowel
421 : : */
8796 bruce@momjian.us 422 :UBC 0 : case 'W':
8717 423 [ # # ]: 0 : if (Next_Letter == 'H' ||
424 [ # # ]: 0 : Next_Letter == 'R')
425 : : {
426 : 0 : Phonize(Next_Letter);
427 : 0 : w_idx += 2;
428 : : }
429 [ # # ]: 0 : else if (isvowel(Next_Letter))
430 : : {
431 : 0 : Phonize('W');
432 : 0 : w_idx += 2;
433 : : }
434 : : /* else ignore */
8796 435 : 0 : break;
436 : : /* X becomes S */
437 : 0 : case 'X':
438 : 0 : Phonize('S');
439 : 0 : w_idx++;
440 : 0 : break;
441 : : /* Vowels are kept */
442 : :
443 : : /*
444 : : * We did A already case 'A': case 'a':
445 : : */
446 : 0 : case 'E':
447 : : case 'I':
448 : : case 'O':
449 : : case 'U':
450 : 0 : Phonize(Curr_Letter);
451 : 0 : w_idx++;
452 : 0 : break;
453 : 0 : default:
454 : : /* do nothing */
455 : 0 : break;
456 : : }
457 : :
458 : :
459 : :
460 : : /* On to the metaphoning */
8717 bruce@momjian.us 461 [ + + - + ]:CBC 6 : for (; Curr_Letter != '\0' &&
462 [ + - ]: 5 : (max_phonemes == 0 || Phone_Len < max_phonemes);
463 : 5 : w_idx++)
464 : : {
465 : : /*
466 : : * How many letters to skip because an earlier encoding handled
467 : : * multiple letters
468 : : */
469 : 5 : unsigned short int skip_letter = 0;
470 : :
471 : :
472 : : /*
473 : : * THOUGHT: It would be nice if, rather than having things like...
474 : : * well, SCI. For SCI you encode the S, then have to remember to skip
475 : : * the C. So the phonome SCI invades both S and C. It would be
476 : : * better, IMHO, to skip the C from the S part of the encoding. Hell,
477 : : * I'm trying it.
478 : : */
479 : :
480 : : /* Ignore non-alphas */
8651 tgl@sss.pgh.pa.us 481 [ - + ]: 5 : if (!isalpha((unsigned char) (Curr_Letter)))
8796 bruce@momjian.us 482 :UBC 0 : continue;
483 : :
484 : : /* Drop duplicates, except CC */
8717 bruce@momjian.us 485 [ + + - + ]:CBC 5 : if (Curr_Letter == Prev_Letter &&
8717 bruce@momjian.us 486 [ # # ]:UBC 0 : Curr_Letter != 'C')
8796 487 : 0 : continue;
488 : :
8717 bruce@momjian.us 489 [ + - - + :CBC 5 : switch (Curr_Letter)
- - - - -
- - - - -
- + + ]
490 : : {
491 : : /* B -> B unless in MB */
8796 492 : 1 : case 'B':
8717 493 [ + - - + ]: 1 : if (Prev_Letter != 'M')
8796 bruce@momjian.us 494 :UBC 0 : Phonize('B');
8796 bruce@momjian.us 495 :CBC 1 : break;
496 : :
497 : : /*
498 : : * 'sh' if -CIA- or -CH, but not SCH, except SCHW. (SCHW is
499 : : * handled in S) S if -CI-, -CE- or -CY- dropped if -SCI-,
500 : : * SCE-, -SCY- (handed in S) else K
501 : : */
8796 bruce@momjian.us 502 :UBC 0 : case 'C':
8717 503 [ # # ]: 0 : if (MAKESOFT(Next_Letter))
504 : : { /* C[IEY] */
505 [ # # # # ]: 0 : if (After_Next_Letter == 'A' &&
506 [ # # ]: 0 : Next_Letter == 'I')
507 : : { /* CIA */
8796 508 : 0 : Phonize(SH);
509 : : }
510 : : /* SC[IEY] */
8717 511 [ # # # # ]: 0 : else if (Prev_Letter == 'S')
512 : : {
513 : : /* Dropped */
514 : : }
515 : : else
516 : 0 : Phonize('S');
517 : : }
518 [ # # ]: 0 : else if (Next_Letter == 'H')
519 : : {
520 : : #ifndef USE_TRADITIONAL_METAPHONE
521 [ # # # # : 0 : if (After_Next_Letter == 'R' ||
# # ]
522 [ # # ]: 0 : Prev_Letter == 'S')
523 : : { /* Christ, School */
8796 524 : 0 : Phonize('K');
525 : : }
526 : : else
527 : 0 : Phonize(SH);
528 : : #else
529 : : Phonize(SH);
530 : : #endif
531 : 0 : skip_letter++;
532 : : }
533 : : else
534 : 0 : Phonize('K');
535 : 0 : break;
536 : :
537 : : /*
538 : : * J if in -DGE-, -DGI- or -DGY- else T
539 : : */
540 : 0 : case 'D':
8717 541 [ # # ]: 0 : if (Next_Letter == 'G' &&
542 [ # # # # ]: 0 : MAKESOFT(After_Next_Letter))
543 : : {
8796 544 : 0 : Phonize('J');
545 : 0 : skip_letter++;
546 : : }
547 : : else
548 : 0 : Phonize('T');
549 : 0 : break;
550 : :
551 : : /*
552 : : * F if in -GH and not B--GH, D--GH, -H--GH, -H---GH else
553 : : * dropped if -GNED, -GN, else dropped if -DGE-, -DGI- or
554 : : * -DGY- (handled in D) else J if in -GE-, -GI, -GY and not GG
555 : : * else K
556 : : */
8796 bruce@momjian.us 557 :CBC 1 : case 'G':
8717 558 [ - + ]: 1 : if (Next_Letter == 'H')
559 : : {
8717 bruce@momjian.us 560 [ # # # # :UBC 0 : if (!(NOGHTOF(Look_Back_Letter(3)) ||
# # ]
561 [ # # ]: 0 : Look_Back_Letter(4) == 'H'))
562 : : {
8796 563 : 0 : Phonize('F');
564 : 0 : skip_letter++;
565 : : }
566 : : else
567 : : {
568 : : /* silent */
569 : : }
570 : : }
8717 bruce@momjian.us 571 [ - + ]:CBC 1 : else if (Next_Letter == 'N')
572 : : {
8717 bruce@momjian.us 573 [ # # # # ]:UBC 0 : if (Isbreak(After_Next_Letter) ||
574 [ # # # # ]: 0 : (After_Next_Letter == 'E' &&
575 [ # # ]: 0 : Look_Ahead_Letter(3) == 'D'))
576 : : {
577 : : /* dropped */
578 : : }
579 : : else
8796 580 : 0 : Phonize('K');
581 : : }
8717 bruce@momjian.us 582 [ - + - - ]:CBC 1 : else if (MAKESOFT(Next_Letter) &&
8717 bruce@momjian.us 583 [ # # ]:UBC 0 : Prev_Letter != 'G')
8796 584 : 0 : Phonize('J');
585 : : else
8796 bruce@momjian.us 586 :CBC 1 : Phonize('K');
587 : 1 : break;
588 : : /* H if before a vowel and not after C,G,P,S,T */
8796 bruce@momjian.us 589 :UBC 0 : case 'H':
8717 590 [ # # ]: 0 : if (isvowel(Next_Letter) &&
591 [ # # # # ]: 0 : !AFFECTH(Prev_Letter))
8796 592 : 0 : Phonize('H');
593 : 0 : break;
594 : :
595 : : /*
596 : : * dropped if after C else K
597 : : */
598 : 0 : case 'K':
8717 599 [ # # # # ]: 0 : if (Prev_Letter != 'C')
8796 600 : 0 : Phonize('K');
601 : 0 : break;
602 : :
603 : : /*
604 : : * F if before H else P
605 : : */
606 : 0 : case 'P':
8717 607 [ # # ]: 0 : if (Next_Letter == 'H')
8796 608 : 0 : Phonize('F');
609 : : else
610 : 0 : Phonize('P');
611 : 0 : break;
612 : :
613 : : /*
614 : : * K
615 : : */
616 : 0 : case 'Q':
617 : 0 : Phonize('K');
618 : 0 : break;
619 : :
620 : : /*
621 : : * 'sh' in -SH-, -SIO- or -SIA- or -SCHW- else S
622 : : */
623 : 0 : case 'S':
8717 624 [ # # ]: 0 : if (Next_Letter == 'I' &&
625 [ # # # # ]: 0 : (After_Next_Letter == 'O' ||
626 [ # # # # ]: 0 : After_Next_Letter == 'A'))
8796 627 : 0 : Phonize(SH);
8717 628 [ # # ]: 0 : else if (Next_Letter == 'H')
629 : : {
8796 630 : 0 : Phonize(SH);
631 : 0 : skip_letter++;
632 : : }
633 : : #ifndef USE_TRADITIONAL_METAPHONE
8717 634 [ # # ]: 0 : else if (Next_Letter == 'C' &&
635 [ # # ]: 0 : Look_Ahead_Letter(2) == 'H' &&
636 [ # # ]: 0 : Look_Ahead_Letter(3) == 'W')
637 : : {
8796 638 : 0 : Phonize(SH);
639 : 0 : skip_letter += 2;
640 : : }
641 : : #endif
642 : : else
643 : 0 : Phonize('S');
644 : 0 : break;
645 : :
646 : : /*
647 : : * 'sh' in -TIA- or -TIO- else 'th' before H else T
648 : : */
649 : 0 : case 'T':
8717 650 [ # # ]: 0 : if (Next_Letter == 'I' &&
651 [ # # # # ]: 0 : (After_Next_Letter == 'O' ||
652 [ # # # # ]: 0 : After_Next_Letter == 'A'))
8796 653 : 0 : Phonize(SH);
8717 654 [ # # ]: 0 : else if (Next_Letter == 'H')
655 : : {
8796 656 : 0 : Phonize(TH);
657 : 0 : skip_letter++;
658 : : }
659 : : else
660 : 0 : Phonize('T');
661 : 0 : break;
662 : : /* F */
663 : 0 : case 'V':
664 : 0 : Phonize('F');
665 : 0 : break;
666 : : /* W before a vowel, else dropped */
667 : 0 : case 'W':
8717 668 [ # # ]: 0 : if (isvowel(Next_Letter))
8796 669 : 0 : Phonize('W');
670 : 0 : break;
671 : : /* KS */
672 : 0 : case 'X':
673 : 0 : Phonize('K');
8110 674 [ # # # # ]: 0 : if (max_phonemes == 0 || Phone_Len < max_phonemes)
675 : 0 : Phonize('S');
8796 676 : 0 : break;
677 : : /* Y if followed by a vowel */
678 : 0 : case 'Y':
8717 679 [ # # ]: 0 : if (isvowel(Next_Letter))
8796 680 : 0 : Phonize('Y');
681 : 0 : break;
682 : : /* S */
683 : 0 : case 'Z':
684 : 0 : Phonize('S');
685 : 0 : break;
686 : : /* No transformation */
8796 bruce@momjian.us 687 :CBC 1 : case 'F':
688 : : case 'J':
689 : : case 'L':
690 : : case 'M':
691 : : case 'N':
692 : : case 'R':
693 : 1 : Phonize(Curr_Letter);
694 : 1 : break;
695 : 2 : default:
696 : : /* nothing */
697 : 2 : break;
698 : : } /* END SWITCH */
699 : :
700 : 5 : w_idx += skip_letter;
701 : : } /* END FOR */
702 : :
703 : 1 : End_Phoned_Word;
704 : : } /* END metaphone */
705 : :
706 : :
707 : : /*
708 : : * SQL function: soundex(text) returns text
709 : : */
710 : 3 : PG_FUNCTION_INFO_V1(soundex);
711 : :
712 : : Datum
713 : 8 : soundex(PG_FUNCTION_ARGS)
714 : : {
715 : : char outstr[SOUNDEX_LEN + 1];
716 : : char *arg;
717 : :
3100 noah@leadboat.com 718 : 8 : arg = text_to_cstring(PG_GETARG_TEXT_PP(0));
719 : :
8796 bruce@momjian.us 720 : 8 : _soundex(arg, outstr);
721 : :
6374 tgl@sss.pgh.pa.us 722 : 8 : PG_RETURN_TEXT_P(cstring_to_text(outstr));
723 : : }
724 : :
725 : : static void
8796 bruce@momjian.us 726 : 16 : _soundex(const char *instr, char *outstr)
727 : : {
728 : : int count;
729 : :
1044 peter@eisentraut.org 730 [ - + ]: 16 : Assert(instr);
731 [ - + ]: 16 : Assert(outstr);
732 : :
733 : : /* Skip leading non-alphabetic characters */
844 tgl@sss.pgh.pa.us 734 [ + + - + ]: 16 : while (*instr && !isalpha((unsigned char) *instr))
8796 bruce@momjian.us 735 :UBC 0 : ++instr;
736 : :
737 : : /* If no string left, return all-zeroes buffer */
844 tgl@sss.pgh.pa.us 738 [ + + ]:CBC 16 : if (!*instr)
739 : : {
740 : 3 : memset(outstr, '\0', SOUNDEX_LEN + 1);
8796 bruce@momjian.us 741 : 3 : return;
742 : : }
743 : :
744 : : /* Take the first letter as is */
745 : 13 : *outstr++ = (char) toupper((unsigned char) *instr++);
746 : :
747 : 13 : count = 1;
748 [ + + + + ]: 60 : while (*instr && count < SOUNDEX_LEN)
749 : : {
750 [ + + + + ]: 93 : if (isalpha((unsigned char) *instr) &&
751 : 46 : soundex_code(*instr) != soundex_code(*(instr - 1)))
752 : : {
844 tgl@sss.pgh.pa.us 753 : 35 : *outstr = soundex_code(*instr);
8796 bruce@momjian.us 754 [ + + ]: 35 : if (*outstr != '0')
755 : : {
756 : 23 : ++outstr;
757 : 23 : ++count;
758 : : }
759 : : }
760 : 47 : ++instr;
761 : : }
762 : :
763 : : /* Fill with 0's */
764 [ + + ]: 29 : while (count < SOUNDEX_LEN)
765 : : {
766 : 16 : *outstr = '0';
767 : 16 : ++outstr;
768 : 16 : ++count;
769 : : }
770 : :
771 : : /* And null-terminate */
844 tgl@sss.pgh.pa.us 772 : 13 : *outstr = '\0';
773 : : }
774 : :
7528 neilc@samurai.com 775 : 2 : PG_FUNCTION_INFO_V1(difference);
776 : :
777 : : Datum
778 : 4 : difference(PG_FUNCTION_ARGS)
779 : : {
780 : : char sndx1[SOUNDEX_LEN + 1],
781 : : sndx2[SOUNDEX_LEN + 1];
782 : : int i,
783 : : result;
784 : :
3100 noah@leadboat.com 785 : 4 : _soundex(text_to_cstring(PG_GETARG_TEXT_PP(0)), sndx1);
786 : 4 : _soundex(text_to_cstring(PG_GETARG_TEXT_PP(1)), sndx2);
787 : :
7528 neilc@samurai.com 788 : 4 : result = 0;
7266 bruce@momjian.us 789 [ + + ]: 20 : for (i = 0; i < SOUNDEX_LEN; i++)
790 : : {
7528 neilc@samurai.com 791 [ + + ]: 16 : if (sndx1[i] == sndx2[i])
792 : 10 : result++;
793 : : }
794 : :
795 : 4 : PG_RETURN_INT32(result);
796 : : }
|
