So khớp mờ & khử trùng lặp API

So sánh chuỗi (Levenshtein, Jaro-Winkler, token set, trigram), tìm mục gần nhất trong danh sách và gom cụm trùng lặp, bỏ dấu tiếng Việt khi so.

GETPOSThttps://apibox.io.vn/v1/fuzzy-match

Văn bản▶ Dùng thử online

Có ba chế độ. compare (a, b) trả về mọi điểm số từ 0 tới 1: Levenshtein chuẩn hoá, Jaro-Winkler, token sort và token set ratio (như rapidfuzz), độ giống trigram (như pg_trgm của PostgreSQL) và combined là trung bình các điểm, kèm khoảng cách sửa (edit distance). search (query, choices tới 10.000 mục) trả về các mục khớp nhất vượt threshold kèm vị trí. dedupe (items tới 5.000 mục) gom các mục gần trùng thành cụm với một đại diện và trả về danh sách đã khử trùng; các cặp chỉ được so khi có chung trigram nên danh sách lớn vẫn nhanh.

Trước khi so, chuỗi được chuẩn hoá: bỏ phân biệt hoa thường và dấu tiếng Việt (Nguyễn = nguyen, đ = d), dấu câu thành khoảng trắng và mở rộng các chữ viết tắt thông dụng (TP. = thành phố, Q. = quận, P. = phường, Cty = công ty, CP = cổ phần, TM = thương mại, HCM = Hồ Chí Minh…). Có thể tắt bằng keep_accents, case_sensitive và abbreviations=false, và bỏ các từ nhiễu bằng ignore (ví dụ "tnhh, cong ty").

Chọn điểm số bằng algorithm: token_set cho tên có thứ tự từ hoặc từ thừa khác nhau (tên công ty, tên sản phẩm), jaro_winkler cho chuỗi ngắn và lỗi gõ ở cuối, levenshtein cho mã, trigram cho văn bản dài. Không lưu dữ liệu.

Tham số

Tên	Vị trí	Kiểu	Bắt buộc	Mặc định
`mode`	body\|query	string	không		`compare`, `search` hoặc `dedupe` (tự nhận ra từ tham số nếu bỏ trống).
`a`	body\|query	string	không		compare: chuỗi thứ nhất.
`b`	body\|query	string	không		compare: chuỗi thứ hai.
`query`	body\|query	string	không		search: chuỗi cần tìm.
`choices`	body	array	không		search: danh sách ứng viên (mảng JSON hoặc mỗi dòng một mục), tối đa 10.000.
`items`	body	array	không		dedupe: danh sách cần gom cụm (mảng JSON hoặc mỗi dòng một mục), tối đa 5.000.
`algorithm`	body\|query	string	không	`combined`	`combined`, `levenshtein`, `jaro_winkler`, `token_sort`, `token_set` hoặc `trigram` (cho search và dedupe).
`threshold`	body\|query	number	không		Điểm tối thiểu 0-1: mặc định 0,5 với search, 0,85 với dedupe.
`limit`	body\|query	number	không	`10`	search: số kết quả trả về (1-1000).
`keep_accents`	body\|query	boolean	không	`false`	So sánh giữ nguyên dấu tiếng Việt.
`case_sensitive`	body\|query	boolean	không	`false`	Phân biệt chữ hoa, chữ thường.
`abbreviations`	body\|query	boolean	không	`true`	Mở rộng chữ viết tắt tiếng Việt (TP., Q., P., Cty, CP, TM…).
`ignore`	body\|query	array	không		Các từ bỏ đi trước khi so, ví dụ ["tnhh", "cong ty"].

Ví dụ

curl -X POST "https://apibox.io.vn/v1/fuzzy-match" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"a":"Cty TNHH Thương mại ABC, Q.1, TP.HCM","b":"Công ty TNHH TM ABC Quận 1 Hồ Chí Minh"}'

const res = await fetch('https://apibox.io.vn/v1/fuzzy-match', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer YOUR_API_KEY',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    "a": "Cty TNHH Thương mại ABC, Q.1, TP.HCM",
    "b": "Công ty TNHH TM ABC Quận 1 Hồ Chí Minh"
  }),
});
const data = await res.json();
console.log(data);

import requests

res = requests.post(
    "https://apibox.io.vn/v1/fuzzy-match",
    headers={"Authorization": "Bearer YOUR_API_KEY"},
    json={"a": "Cty TNHH Thương mại ABC, Q.1, TP.HCM", "b": "Công ty TNHH TM ABC Quận 1 Hồ Chí Minh"},
    timeout=30,
)
print(res.json())

<?php
$ch = curl_init('https://apibox.io.vn/v1/fuzzy-match');
curl_setopt_array($ch, [
    CURLOPT_RETURNTRANSFER => true,
    CURLOPT_CUSTOMREQUEST => 'POST',
    CURLOPT_HTTPHEADER => ['Authorization: Bearer YOUR_API_KEY', 'Content-Type: application/json'],
    CURLOPT_POSTFIELDS => '{"a":"Cty TNHH Thương mại ABC, Q.1, TP.HCM","b":"Công ty TNHH TM ABC Quận 1 Hồ Chí Minh"}',
]);
$response = curl_exec($ch);
print_r(json_decode($response, true));

Kết quả trả về

{
  "mode": "compare",
  "a": "Cty TNHH Thương mại ABC, Q.1, TP.HCM",
  "b": "Công ty TNHH TM ABC Quận 1 Hồ Chí Minh",
  "normalized_a": "cong ty tnhh thuong mai abc quan 1 thanh pho ho chi minh",
  "normalized_b": "cong ty tnhh thuong mai abc quan 1 ho chi minh",
  "levenshtein_distance": 10,
  "jaro": 0.9151,
  "indel_ratio": 0.902,
  "scores": {
    "combined": 0.9107,
    "levenshtein": 0.8214,
    "jaro_winkler": 0.9491,
    "token_sort": 0.902,
    "token_set": 1,
    "trigram": 0.8723
  },
  "options": {
    "algorithm": "combined",
    "accent_insensitive": true,
    "case_insensitive": true,
    "abbreviations": true,
    "ignore": []
  }
}

Ứng dụng

Khử trùng lặp tên khách hàng, nhà cung cấp khi nhập dữ liệu CRM
Khớp tên sản phẩm giữa các sàn (Shopee, Lazada, Tiki)
Tìm tên tỉnh, ngân hàng, đối tác gần nhất với dữ liệu người dùng nhập
Đối chiếu tên người nhận trên sao kê ngân hàng với hoá đơn

Hỏi đáp

Nên dùng điểm số nào?

combined là lựa chọn mặc định tốt. token_set bỏ qua thứ tự từ và từ thừa, jaro_winkler ưu tiên phần đầu giống nhau, levenshtein đếm số lần sửa, trigram hợp với văn bản dài.

Có bỏ qua dấu tiếng Việt không?

Có, mặc định bỏ dấu, hoa thường và dấu câu; đặt keep_accents=true khi "Hà" và "Ha" phải được coi là khác nhau.

Danh sách được lớn tới đâu?

search nhận tới 10.000 mục, dedupe tới 5.000 mục, mỗi mục tối đa 1.000 ký tự.

So khớp mờ & khử trùng lặp API

Tham số

Ví dụ

Kết quả trả về

Ứng dụng

Hỏi đáp

API liên quan

So sánh văn bản

Tạo slug

Thống kê văn bản