Levenshtein距离是衡量两个字符串之间的相似度的一种常用方法。在计算包含的搜索字段的Levenshtein距离时，我们可以采用以下的解决方法：

1. 定义一个函数来计算两个字符串的Levenshtein距离。以下是一个Python示例代码：

def levenshtein_distance(s1, s2):
    m = len(s1)
    n = len(s2)
    # 创建一个二维数组来存储计算结果
    dp = [[0] * (n+1) for _ in range(m+1)]
    # 初始化第一行和第一列
    for i in range(m+1):
        dp[i][0] = i
    for j in range(n+1):
        dp[0][j] = j
    # 动态规划计算Levenshtein距离
    for i in range(1, m+1):
        for j in range(1, n+1):
            if s1[i-1] == s2[j-1]:
                dp[i][j] = dp[i-1][j-1]
            else:
                dp[i][j] = min(dp[i-1][j], dp[i][j-1], dp[i-1][j-1]) + 1
    return dp[m][n]

2. 获取搜索字段和目标字段，然后计算它们之间的Levenshtein距离。以下是一个示例代码：

search_field = "example"
target_field = "sample"
distance = levenshtein_distance(search_field, target_field)
print(distance)

在上述示例中，search_field表示搜索字段，target_field表示目标字段。我们调用levenshtein_distance函数来计算这两个字段之间的Levenshtein距离，并将结果打印出来。

请注意，Levenshtein距离越小表示两个字符串越相似，距离为0表示两个字符串完全相同。你可以根据具体的需求对Levenshtein距离设置一个阈值，来判断两个字符串是否相似。