如何比较具有相似数据的 2 列（例如，不同的顺序，用逗号）

Question

我正在处理一个脏数据库，它没有规范化数据，并且有一个名称类似于

的列

"john kevin smith"，我需要与可能具有 "Kevin john smith" 的另一列（来自其他 table）进行比较 或 "smith, kevin john" 或与原始相同，并基于此我需要弄清楚它们是否指向相同的记录。

我正在尝试弄清楚如何使用 SQL Server 2012 执行此操作。

我一直在使用 JaroWinkler 函数进行测试，但没有成功，我也尝试过使用 fnSplit 函数，但这似乎没有用，我相信我可能必须先以某种方式规范化它们，然后将它们全部分开然后相互比较，但是我在这个过程中画了一个空白。

有什么建议吗？

更新：

使用拆分函数和一些替换我能够 "normalize" 列，并在 table 函数中接收结果，如下所示：

现在我只需要弄清楚如何与另一组值进行比较，因为在执行到要与之比较的列时我会得到类似的结果。

Answer 1

您可以使用 STRING_SPLIT()

A table-valued function that splits a string into rows of substrings, based on a specified separator character

SELECT a.Value
FROM STRING_SPLIT('john kevin smith', ' ') a
INNER JOIN STRING_SPLIT('Kevin john smith', ' ') b on a.Value = b.Value

Demo here

Answer 2

只是一个想法.. 您可以做的是在每个 table 中查找并用该字段的逗号替换所有空格。将每个 table 的结果放入单独的#temp table 中。完成后.. 根据 SQL 版本执行 string_split（fnSplit），然后按字母顺序排序。

现在根据列值加入这些 table 并查看您到达的位置

Answer 3

为了比较，您可以只使用 EXISTS 子句。

示例数据

CREATE TABLE TEST(
    VAL_A varchar(200),
    VAL_B varchar(200)
);

INSERT INTO TEST (VAL_A, VAL_B) VALUES
('john kevin smith', 'Kevin john smith'),
('john kevin smith', 'Kevin, john smith'),
('Alpha beta gamma', 'beta delta alpha');

查询：

SELECT VAL_A, VAL_B
FROM TEST
WHERE NOT EXISTS (
    SELECT value FROM [dbo].[fn_Split](VAL_A, ' ')
    EXCEPT 
    SELECT value FROM [dbo].[fn_Split]((REPLACE(VAL_B,',','')), ' ')
)
OR 
NOT EXISTS (
    SELECT value FROM [dbo].[fn_Split]((REPLACE(VAL_B,',','')), ' ')
    EXCEPT 
    SELECT value FROM [dbo].[fn_Split](VAL_A, ' ')

这将 return 匹配行。

+-------------------+-------------------+
| VAL_A             | VAL_B             |
+-------------------+-------------------+
| john kevin smith  | Kevin john smith  |
| john kevin smith  | Kevin, john smith |
+-------------------+-------------------+

在输出中，您会注意到 alpha,beta,gamma,delta 组合没有出现，因为它们不匹配。如果您想要不匹配的行，您可以将 NOT EXISTS 更改为 EXISTS。

CHECK DEMO HERE

如果另一列来自另一个 table，您可以使用 joins。也相应地使用 REPLACE 语句。

如何比较具有相似数据的 2 列（例如，不同的顺序，用逗号）

How to compare 2 columns with similar data (eg. not same order, with comma)

sql

sql-server

sql-server-2012