Sql server 名称拆分和比较

我的情况是，我需要执行以下操作：

公司名称：

a. Split text before and after “ - “
b. Generate the report where texts before and after “ - “ matches = exact match
c. Generate the report where texts before and after “ - “ matches = similar matches

我可以到达b点。其中，我可以使用以下公式获得具有相同上半部分和下半部分（例如abc，inc.-abc，inc.）名称的结果-

RTRIM(substring(c.companyname,0,charindex('-',c.companyname)))= LTRIM(substring(c.companyname, charindex('-',c.companyname,0)+1, len(c.companyname)))   

但是，我无法完成下一份报告（例如abc.-abc或abc，inc.-abc）

有人能帮忙吗？

试试这个

DECLARE @CompanyNames TABLE (
    CompanyName VARCHAR(512));
INSERT INTO @CompanyNames VALUES ('Walt Disney - Walt Disney');
INSERT INTO @CompanyNames VALUES ('Fun Food - Fun Food');
INSERT INTO @CompanyNames VALUES ('Fun Food, Inc. - Fun Food');
INSERT INTO @CompanyNames VALUES ('Walt Disney - Walt Disney, Inc.');

--Split names
DECLARE @SplitNames TABLE (
    MatchLeft VARCHAR(128),
    MatchRight VARCHAR(128));
INSERT INTO 
    @SplitNames 
SELECT  
    RTRIM(SUBSTRING(CompanyName, 0, CHARINDEX('-', CompanyName))),
    LTRIM(SUBSTRING(CompanyName, CHARINDEX('-', CompanyName, 0) + 1, LEN(CompanyName)))
FROM
    @CompanyNames;

--Exact matches
SELECT 
    MatchLeft,
    MatchRight,
    CASE WHEN MatchLeft = MatchRight THEN 1 ELSE 0 END AS Exact
FROM 
    @SplitNames;

--Inexact matches
WITH CleansedCompanyNames AS (
    SELECT
        MatchLeft AS OriginalMatchLeft,
        MatchRight AS OriginalMatchRight,
        REPLACE(REPLACE(REPLACE(MatchLeft, '.', ''), 'Inc', ''), ',', '') AS MatchLeft,
        REPLACE(REPLACE(REPLACE(MatchRight, '.', ''), 'Inc', ''), ',', '') AS MatchRight
    FROM
        @SplitNames)
SELECT 
    OriginalMatchLeft,
    OriginalMatchRight,
    MatchLeft,
    MatchRight,
    CASE WHEN MatchLeft = MatchRight THEN 1 ELSE 0 END
FROM 
    CleansedCompanyNames;

--Using SOUNDEX
SELECT 
    MatchLeft,
    MatchRight,
    CASE WHEN DIFFERENCE(MatchLeft, MatchRight) >= 3 THEN 1 ELSE 0 END AS Score
FROM 
    @SplitNames;

处理不精确匹配有两种方法：

• 在匹配之前删除标点符号和不需要的单词（但这需要建立一个替换内容的列表）；或
• 使用SOUNDEX测试字符串的相似性

或者，使用原始示例，您可以将其用于SOUNDEX：

SELECT ...
WHERE
DIFFERENCE(RTRIM(substring(c.companyname,0,charindex('-',c.companyname))), LTRIM(substring(c.companyname, charindex('-',c.companyname,0)+1, len(c.companyname)))) >= 3

以你最近的例子：

DECLARE @Company TABLE (
    companyname VARCHAR(500));
INSERT INTO @Company VALUES ('Allen Limited - Allen Corporation');
INSERT INTO @Company VALUES ('Sweden Corp. - Sweden Corp.');
INSERT INTO @Company VALUES ('Alaska Limited - Alaska Limited, Inc.');
INSERT INTO @Company VALUES ('New York Inc. - New York Steel Limited');
INSERT INTO @Company VALUES ('India Plc - India Plc.');
INSERT INTO @Company VALUES ('Dubai International - Dubai International');
INSERT INTO @Company VALUES ('Nigera Falls Pvt. Ltd. - Amazing Nigeria Falls');
SELECT
    c.companyname,
    DIFFERENCE(RTRIM(SUBSTRING(c.companyname, 0, CHARINDEX('-', c.companyname))), LTRIM(SUBSTRING(c.companyname, CHARINDEX('-', c.companyname, 0) + 1, LEN(c.companyname)))) AS Similarity
FROM
    @Company c;

结果如下：

companyname Similarity
Allen Limited - Allen Corporation   4
Sweden Corp. - Sweden Corp. 4
Alaska Limited - Alaska Limited, Inc.   4
New York Inc. - New York Steel Limited  4
India Plc - India Plc.  4
Dubai International - Dubai International   4
Nigera Falls Pvt. Ltd. - Amazing Nigeria Falls  1

---

因此，对于您的最后一个示例，它的效果不是很好，但对于其他示例来说似乎很好？

请编辑您的问题，并提供示例数据和所需结果。名称：Walt Disney-Walt Disney Fun Food-Fun Food Fun Food，Inc.-Fun Food Walt Disney-Walt Disney，Inc.。我已经拥有的查询允许我仅提取第1行和第2行的RTRIM（子字符串（c.companyname，0，charindex（'-'，c.companyname））=LTRIM（子字符串（c.companyname，charindex（'-'，c.companyname，0）+1，len（c.companyname）））我想要一个查询，在那里我也可以得到第3行和第4行，因为它们也是相同的名字和姓氏大小写，但略有不同（例如，有点（.）或额外的单词（Inc.）它是有效的，但我刚才在上面的查询中引用了一些例子。我要检查的记录很多，可能会有所不同，不仅仅是因为“Inc”这个词。它可以是任何东西-神奇的土地-神奇的土地，有趣的食物-有趣的食物。这就是为什么我提供了两个例子，SOUNDEX差异将评估两个字符串的相似性，应该是b是否值得一试？就我个人而言，我更喜欢更稳健的距离算法（例如Jaro Winkler）但这一点要实现起来有点困难，因为它没有内置到引擎中。是的，这与我给出的示例名称是一致的。但是如果我必须从名为“name”的列中选择名称，我该如何使用它。现在我们使用-INSERT into@CompanyNames VALUES（'Fun Food-Fun Food'））；我不知道如何在列中使用它？如果有：RTRIM（子字符串（c.companyname，0，charindex（'-'，c.companyname））=LTRIM（子字符串（c.companyname，charindex（'-'，c.companyname，0）+1，len（c.companyname）），使用：差（RTRIM（子字符串（c.companyname，0，charindex（'-'，c.companyname））），LTRIM（子字符串（c.companyname，charindex）），c.companyname（“-”，c.companyname，0）+1，len（c.companyname）））>=3您可能需要处理数字，4是最佳匹配，3是正常的，2是较差的，等等。不起作用！生成报告，其中“-”前后的文本匹配=相似