首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >问:如何在SQL的不同表中找到相同和相似的字符串值

问:如何在SQL的不同表中找到相同和相似的字符串值
EN

Stack Overflow用户
提问于 2016-04-18 00:29:56
回答 3查看 1.1K关注 0票数 3

我的数据库中有两个表,每个表都有带名称的列。如何比较这些表列,以及如何查找table1和table2中有完全匹配的名称和相似的名称?

例如:

table1

代码语言:javascript
复制
column1
---------------------
Tom Hawky
Antony Hendric Formen
Cathy Cassy
Bill Gates
Mary Diore

table2

代码语言:javascript
复制
column1
----------------------
Christopher Fridricson
Ken Lovely
Tom Hawky
Anthony Foreman
Chati Cassei

结果应该是这样的:

代码语言:javascript
复制
table1 - table2
Tom Hawky - Tom Hawky
Antony Hendric Formen - Anthony Henrich Foreman
Cathy Cassy - Chati Cassei
EN

回答 3

Stack Overflow用户

发布于 2016-04-18 19:25:51

一种解决方案是执行以下操作:

1)把名字分成几个临时表,这样比较起来就容易多了

2)构造一个查询,尝试根据某个距离查找匹配项

1)拆分成单词

设置

代码语言:javascript
复制
-- drop table Table1
create table Table1 
(
    Id1 INT NOT NULL CONSTRAINT PK_Table1 PRIMARY KEY IDENTITY (1, 1),
    Column1 NVARCHAR(200) NOT NULL
)
GO

insert into Table1 (Column1)
VALUES ('Tom Hawky'), ('Antony Hendric Formen'), ('Cathy Cassy'), ('Bill Gates'), ('Mary Diore')
GO

-- drop table Table2
create table Table2
(
    Id2 INT NOT NULL CONSTRAINT PK_Table2 PRIMARY KEY IDENTITY (1, 1),
    Column2 NVARCHAR(200) NOT NULL
)
GO

insert into Table2 (Column2)
VALUES ('Christopher Fridricson'), ('Ken Lovely'), ('Tom Hawky'), ('Anthony Foreman'), ('Chati Cassei'), ('Tom X')
GO

select * from Table1
GO

select * from Table2
GO

拆分函数

有几种split functions可以使用,我选择了XML方式:

代码语言:javascript
复制
CREATE FUNCTION dbo.SplitStrings_XML
(
   @List       NVARCHAR(MAX),
   @Delimiter  NVARCHAR(255)
)
RETURNS TABLE
WITH SCHEMABINDING
AS
   RETURN 
   (  
      SELECT Item = y.i.value('(./text())[1]', 'nvarchar(4000)')
      FROM 
      ( 
        SELECT x = CONVERT(XML, '<i>' 
          + REPLACE(@List, @Delimiter, '</i><i>') 
          + '</i>').query('.')
      ) AS a CROSS APPLY x.nodes('i') AS y(i)
   );
GO

拆分单词

代码语言:javascript
复制
drop table #T1Words
Go

create table #T1Words (Id1 INT NOT NULL, Word NVARCHAR(100))
GO

insert into #T1Words 
select T1.Id1, X1.Item
from Table1 T1
    cross apply dbo.SplitStrings_XML (T1.Column1, N' ') X1
GO

drop table #T2Words
GO 

create table #T2Words (Id2 INT NOT NULL, Word NVARCHAR(200))
GO

insert into #T2Words 
select T2.Id2, X2.Item
from Table2 T2
    cross apply dbo.SplitStrings_XML (T2.Column2, N' ') X2
GO

使用一些距离进行选择

可以使用的一个距离是Levenshtein。为了在SQL中使用它,它必须在CLR中实现,否则它会非常慢。如下所示:

代码语言:javascript
复制
[Microsoft.SqlServer.Server.SqlFunction(IsDeterministic = true, IsPrecise = false)]
public static int Levenshtein(SqlString S1, SqlString S2)
{
    if (S1.IsNull)
        S1 = new SqlString("");

    if (S2.IsNull)
        S2 = new SqlString("");

    int maxLen = 4096;

    // keeping only the first part of the string (performance reasons)
    String SC1 = S1.Value.ToUpper();
    String SC2 = S2.Value.ToUpper();

    if (SC1.Length > maxLen)
        SC1 = SC1.Remove(maxLen);
    if (SC2.Length > maxLen)
        SC2 = SC2.Remove(maxLen);

    int n = SC1.Length;
    int m = SC2.Length;

    short[,] d = new short[n + 1, m + 1];
    int cost = 0;

    if (n + m == 0)
    {
        return 0;
    }
    else if (n == 0)
    {
        return 0;
    }
    else if (m == 0)
    {
        return 0;
    }

    for (short i = 0; i <= n; i++)
        d[i, 0] = i;

    for (short j = 0; j <= m; j++)
        d[0, j] = j;

    for (int i = 1; i <= n; i++)
    {
        for (int j = 1; j <= m; j++)
        {
            if (SC1[i - 1] == SC2[j - 1])
                cost = 0;
            else
                cost = 1;

            d[i, j] = (short) System.Math.Min(System.Math.Min(d[i - 1, j] + 1, d[i, j - 1] + 1), d[i - 1, j - 1] + cost);
        }
    }

    // double percentage = System.Math.Round((1.0 - ((double)d[n, m] / (double)System.Math.Max(n, m))) * 100.0, 2);
    // return percentage;
    return d[n, m];
}

-- SQL to actually create scalar function that calls CLR code
ALTER FUNCTION dbo.Levenshtein(@S1 nvarchar(max), @S2 nvarchar(max))
    RETURNS INT as EXTERNAL NAME ClrUtils.StoredFunctions.Levenshtein
GO

-- CLR must be enabled for database
sp_configure 'clr enabled', 1
GO
RECONFIGURE
GO

2)查询

代码语言:javascript
复制
select T1.Id1, T1.Column1, T2.Id2, T2.Column2
from Table1 T1
    cross join Table2 T2 
where EXISTS (
    SELECT 1
    FROM #T1Words T1W
        JOIN #T2Words T2W ON [dbo].[Levenshtein](T2W.Word, T1W.Word) < 3   -- T2W.Word = T1W.Word
    WHERE T1W.Id1 = T1.Id1
        AND T2W.Id2 = T2.Id2
) 

当然,您必须根据可接受的差异设置阈值。

票数 1
EN

Stack Overflow用户

发布于 2016-04-18 01:05:15

代码语言:javascript
复制
select table1.column1 + '-' + table2.column1
from table1 join table2 on table1.column1 = table2.column1
票数 0
EN

Stack Overflow用户

发布于 2016-04-18 01:19:03

您还没有明确定义用于确定相似性的参数。但是一种有趣的方法是使用DIFFERENCE函数。这将比较两个字符串的语音表示(使用SOUNDEX函数),并返回一个从0到4的值,其中4是最强匹配。因此,您可以尝试如下所示:

代码语言:javascript
复制
SELECT t1.column1 + ' - ' + t2.column1 AS 'table1 - table2'
FROM table1 t1
INNER JOIN table2 t2
ON DIFFERENCE(t1.column1,t2.column1)>= 3

我已经将最小比较级别设置为3,但您可以调整它以最适合您的数据。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/36679149

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档