PAYATHON 2026

如何根据相关 keywords 搜索多个 databases 并匹配用户

数据小许

结论

$matches 应使用 user id 作为数组键，匹配次数作为值。当前代码使用 array_push() 创建数字索引数组，而 in_array() 检查的是数组值。这两种方式都不适合按用户编号累计匹配次数。

最直接的改法是：

$matches[$uid] = ($matches[$uid] ?? 0) + 1;

统计完成后，可以使用 arsort() 按匹配次数降序排列，再判断最高分是否足以确定用户。搜索多个表时，最好合并查询，并保证同一个 keyword 对同一个用户最多计分一次。

当前累计逻辑为什么不正确

原来的代码是：

if (in_array($uid, $matches)) {
    $matches[$uid]++;
} else {
    array_push($matches, $uid);
}

第一次找到用户 3 时，得到的数组其实是：

[
    0 => 3
]

这里的 3 是值，不是键。之后执行 $matches[3]++，修改的会是另一个尚不存在的数组元素，数据结构也就乱了。

正确的结构应该是：

[
    3 => 2,
    8 => 1
]

这表示用户 3 匹配了两次，用户 8 匹配了一次。

如果只改原来的循环，可以这样写：

while ($row = mysql_fetch_assoc($get)) {
    $uid = (int) $row['user_id'];

    if (!isset($matches[$uid])) {
        $matches[$uid] = 0;
    }

    $matches[$uid]++;
}

也可以简化为：

while ($row = mysql_fetch_assoc($get)) {
    $uid = (int) $row['user_id'];
    $matches[$uid] = ($matches[$uid] ?? 0) + 1;
}

不过，旧的 mysql_* API 已经废弃，并已从现代 PHP 中移除。新代码应改用 PDO 或 MySQLi，并通过预处理语句传递参数。

一个可用的 PDO 实现

下面的示例假设：

  • $a 是交易类型；
  • $b、$c 是付款描述或参考信息；
  • $d 是付款金额；
  • 用户信息保存在 users 表；
  • 房产地址保存在 properties 表；
  • 租赁和租金信息保存在 tenancies 表；
  • properties.user_id 和 tenancies.user_id 指向用户。

实际使用时，需要根据现有数据库调整表名和字段名。

<?php

function normalizeKeywords(string ...$parts): array
{
    $text = mb_strtoupper(implode(' ', $parts), 'UTF-8');

    // 只删除完整的无意义单词，避免把 TO 从其他单词中间删掉。
    $stopWords = [
        'A/C',
        'TO',
        'CALL',
        'REF',
        'NO',
        'BAC',
        'TRS',
        'RENT'
    ];

    $text = str_replace(
        ['AVENUE', 'ROAD', 'STREET'],
        ['AVE', 'RD', 'ST'],
        $text
    );

    // 保留字母和数字，其余字符转换为空格。
    $text = preg_replace('/[^\p{L}\p{N}]+/u', ' ', $text);
    $tokens = preg_split('/\s+/u', trim($text), -1, PREG_SPLIT_NO_EMPTY);

    $tokens = array_filter(
        $tokens,
        static function (string $token) use ($stopWords): bool {
            return mb_strlen($token, 'UTF-8') >= 3
                && !in_array($token, $stopWords, true);
        }
    );

    return array_values(array_unique($tokens));
}

function normalizeAmount(string|float|int $amount): ?string
{
    $value = preg_replace('/[^\d,.-]/', '', (string) $amount);

    if ($value === '' || $value === '-' || $value === null) {
        return null;
    }

    // 这里只适用于逗号作为千位分隔符的输入，例如 1,250.00。
    $value = str_replace(',', '', $value);

    if (!is_numeric($value)) {
        return null;
    }

    return number_format((float) $value, 2, '.', '');
}

function reconcile(
    PDO $pdo,
    string $a,
    string $b,
    string $c,
    string|float|int $d
): array {
    $keywords = normalizeKeywords($a, $b, $c);

    if ($keywords === []) {
        return [
            'suggested_user_id' => null,
            'matches' => [],
            'ambiguous' => false
        ];
    }

    /*
     * UNION ALL 将不同来源统一为：
     *
     * user_id | search_text
     *
     * 外层 SELECT DISTINCT 保证一个 keyword 对同一用户最多加一次，
     * 避免一个用户拥有多条房产或租赁记录时重复计分。
     */
    $sql = <<<'SQL'
        SELECT DISTINCT candidate.user_id
        FROM (
            SELECT
                u.id AS user_id,
                CONCAT_WS(' ', u.first_name, u.last_name) AS search_text
            FROM users AS u

            UNION ALL

            SELECT
                p.user_id,
                CONCAT_WS(
                    ' ',
                    p.house_number,
                    p.address_line_1,
                    p.address_line_2,
                    p.city,
                    p.postcode
                ) AS search_text
            FROM properties AS p

            UNION ALL

            SELECT
                t.user_id,
                t.reference AS search_text
            FROM tenancies AS t
        ) AS candidate
        WHERE UPPER(candidate.search_text) LIKE :pattern
        SQL;

    $statement = $pdo->prepare($sql);
    $matches = [];

    foreach ($keywords as $keyword) {
        $statement->execute([
            'pattern' => '%' . $keyword . '%'
        ]);

        while ($row = $statement->fetch(PDO::FETCH_ASSOC)) {
            $uid = (int) $row['user_id'];
            $matches[$uid] = ($matches[$uid] ?? 0) + 1;
        }
    }

    /*
     * 金额不适合用字符串 keyword 模糊匹配。
     * 对 DECIMAL 类型的 rent_amount 做精确比较更可靠。
     */
    $amount = normalizeAmount($d);

    if ($amount !== null) {
        $amountStatement = $pdo->prepare(
            'SELECT DISTINCT user_id
             FROM tenancies
             WHERE rent_amount = :amount
               AND status = :status'
        );

        $amountStatement->execute([
            'amount' => $amount,
            'status' => 'active'
        ]);

        while ($row = $amountStatement->fetch(PDO::FETCH_ASSOC)) {
            $uid = (int) $row['user_id'];

            // 金额通常比“Avenue”等普通词更有识别力，因此赋予更高权重。
            $matches[$uid] = ($matches[$uid] ?? 0) + 3;
        }
    }

    arsort($matches, SORT_NUMERIC);

    $userIds = array_keys($matches);
    $bestUserId = $userIds[0] ?? null;
    $bestScore = $bestUserId !== null ? $matches[$bestUserId] : 0;
    $secondScore = isset($userIds[1]) ? $matches[$userIds[1]] : 0;

    /*
     * 下面的阈值只是业务示例：
     * 至少得到 3 分，而且第一名必须明显高于第二名。
     * 应根据真实付款数据调整。
     */
    $isConfident = $bestScore >= 3 && $bestScore > $secondScore;

    return [
        'suggested_user_id' => $isConfident ? $bestUserId : null,
        'best_candidate_id' => $bestUserId,
        'best_score' => $bestScore,
        'matches' => $matches,
        'ambiguous' => $bestScore > 0 && !$isConfident
    ];
}

调用后可能得到以下结果：

$result = reconcile(
    $pdo,
    'BAC',
    '37 KINGS AVENUE RENT',
    'REFERENCE 1234',
    '£500.00'
);

print_r($result['matches']);

输出类似：

[
    3 => 6,
    8 => 1
]

这表示用户 3 的地址、参考信息或租金得到了较高的总分，而用户 8 只有一次匹配。

不要只根据最高分自动核对

下面的代码可以找出得分最高的用户：

arsort($matches);
$uid = array_key_first($matches);

但最高分不一定代表结果可靠。例如：

[
    3 => 2,
    8 => 2
]

两名用户得分相同，系统不应直接选择用户 3。判断结果是否可靠，至少要考虑：

  • 第一名是否达到最低分；
  • 第一名是否高于第二名；
  • 是否匹配到租金、完整邮编或付款参考号等可信度较高的字段；
  • 当前租约是否有效；
  • 同一金额是否对应大量用户。

因此，只有结果足够明确时，Accept 按钮才应显示为推荐操作。如果出现并列或分数过低，应让操作人员从候选列表中手动选择。

一次查询多个 keyword

数据量较大时，不适合为每个 keyword 单独执行一次 SQL。可以建立专门的搜索词索引表：

CREATE TABLE user_search_terms (
    user_id BIGINT NOT NULL,
    term VARCHAR(100) NOT NULL,
    source VARCHAR(30) NOT NULL,
    weight SMALLINT NOT NULL DEFAULT 1,
    UNIQUE KEY uq_user_term_source (user_id, term, source),
    KEY idx_term (term),
    KEY idx_user_id (user_id)
);

表中保存统一格式化后的搜索词：

user_id | term   | source   | weight
--------+--------+----------+-------
3       | KINGS  | address  | 1
3       | AVE    | address  | 1
3       | AB1234 | reference| 4
3       | SMITH  | name     | 2

这样就能一次查询所有 keyword：

$placeholders = implode(',', array_fill(0, count($keywords), '?'));

$sql = "
    SELECT
        user_id,
        COUNT(DISTINCT term) AS matched_terms,
        SUM(weight) AS score
    FROM user_search_terms
    WHERE term IN ($placeholders)
    GROUP BY user_id
    ORDER BY score DESC, matched_terms DESC
";

$statement = $pdo->prepare($sql);
$statement->execute($keywords);

$matches = [];

while ($row = $statement->fetch(PDO::FETCH_ASSOC)) {
    $matches[(int) $row['user_id']] = [
        'matched_terms' => (int) $row['matched_terms'],
        'score' => (int) $row['score']
    ];
}

与在姓名、地址和房产表中反复执行 LIKE '%keyword%' 相比，这种设计更容易维护，也更适合频繁处理银行流水。

用户姓名、地址或租约发生变化时，必须同步更新 user_search_terms。可以在应用保存数据时更新，也可以通过队列或定时任务重建索引。

搜索多个数据库时的组织方式

如果这里所说的多个 databases 其实是同一个 MySQL 实例中的多个表，应优先使用 JOIN、UNION ALL 或搜索索引表统一查询。

如果数据确实来自多个独立的数据库连接，可以让每个数据库返回相同格式的结果：

[
    ['user_id' => 3, 'match_key' => 'address:KINGS', 'weight' => 1],
    ['user_id' => 3, 'match_key' => 'rent:500.00', 'weight' => 3]
]

再由应用层合并：

$matches = [];
$seen = [];

foreach ($allDatabaseResults as $row) {
    $uid = (int) $row['user_id'];
    $matchKey = $row['match_key'];
    $uniqueKey = $uid . ':' . $matchKey;

    if (isset($seen[$uniqueKey])) {
        continue;
    }

    $seen[$uniqueKey] = true;
    $matches[$uid] = ($matches[$uid] ?? 0) + (int) $row['weight'];
}

arsort($matches, SORT_NUMERIC);

$matchKey 用来去重。如果同一个地址词同时出现在房产表和租赁表中，它不会被重复计分。

需要特别注意的细节

不要用下面的方式删除停用词：

$keywords = str_replace('TO', '', $keywords);

这种写法会删除所有单词内部的 TO，可能破坏姓名、地名或参考号。应该先分词，再比较完整的 token。

也不要同时使用：

addslashes($keywords);
mysql_real_escape_string($keywords);

预处理语句已经负责安全传参，手动转义可能导致内容被重复转义。

金额应使用 DECIMAL 存储，不要保存为浮点字符串，也不要使用 LIKE 匹配。写入索引和处理查询输入时，地址缩写还应采用同一套规范。例如，两边都把 AVENUE 转换为 AVE，否则格式不同仍会导致匹配失败。

数据库的职责只是生成候选用户和分数。真正写入“已核对”状态时，服务端还要再次验证付款记录、用户编号和操作权限，不能只信任前端 Accept 按钮提交的内容。

备注：内容仅供参考。