对于纯.Net代码，有没有SSIS模糊查找的替代方法？

Question

我正在将几个大型ETL进程从SSIS转换到Rhino-Etl。我受够了SSIS的“文法编程”本质。在数百个对话框中搜寻以找出ETL进程正在做什么，很快就会变得陈旧。

有几个SSIS包使用模糊匹配组件根据名字、姓氏和道布加入用户帐户。模糊匹配是必要的，因为名称在两个系统中的拼写并不总是相同的。其中一个可能是合法姓名，另一个可能是昵称，可能是打字错误、婚姻名称更改等。

它并不完美，但它仍然极大地减少了需要人工帮助的记录数量。

.Net和Rhino-Etl都没有类似的东西，所以我正在寻求建议。

我尝试过使用SoundEx t-sql函数，但效果不是很好。

有人对这两个问题有什么建议吗？请随时提出一些完全不同的建议。

Answer 1

看看开源项目Sam的String Metrics http://www.dcs.shef.ac.uk/~sam/stringmetrics.html。

我在这里回答了一个类似的问题：Are there any Fuzzy Search or String Similarity Functions libraries written for C#?

我也会做一些关于双变音位http://en.wikipedia.org/wiki/Double_Metaphone的研究

Answer 2

我们使用Levenshtein在应用程序代码中查找相似的字符串(实际上是一个包含所有字符串的数据库)。它工作得很好，只要你玩一点距离，例如，允许更长的字符串有更多的差异。

Levenshtein不做的是处理同义词，比如“孩子”和“孩子”，或者“汽车”和“旅行车”。在您的示例中，您可能还希望处理"Bill“和"William”等同义词，因此您可能需要自己添加此代码。