Sql server 通过TSQL存储过程将多场景文本匹配到表

我想看看在以下场景中是否有更好的方法来编写存储过程：

场景

我有一段文本，需要与person表中某个人的全名进行匹配，以获得他的唯一id

挑战

uniquepersonid  FullName
------------------------------
12345           John Doe
23456           Jane Doe

在尝试匹配各种模式时，我编写的函数已成为批处理中成本最高的查询（每个执行计划）。当我在一个包含文本的表的50万条记录上运行了几次，同时在包含100000多人的persons表上运行了几次

人员表（相关列）样本

uniquepersonid  FullName
------------------------------
12345           John Doe
23456           Jane Doe

文本可以采用以下任何格式（或更多格式）：

无名氏

无名氏

无名氏

无名氏（成员）

无名氏/

John Doe等人

功能

    CREATE FUNCTION [dbo].[FN_Extract_Person] 
       (@text as nvarchar(1000))
    RETURNS int
    AS
    BEGIN
         declare @result int

         --direct comparison         
         select @result = uniquepersonid 
         from persons 
         where fullname = ltrim(rtrim(@text))

         if (@result > 0)
             return @result
    end
    --eliminate / and .
    set @text = replace(@text,'/','')
    set @text = replace(@text,'.','')

    select @result = uniquepersonid 
    from persons 
    where fullname = ltrim(rtrim(@text))

    if (@result > 0)
         return @result
    end

    --eliminate comma
    set @text = replace(@text,',','')

    select @result = uniquepersonid 
    from persons 
    where fullname = ltrim(rtrim(@text))

    -- and so on for other patterns  
    return @result
END

---

为了获得更好的性能，我建议您在表中添加一个

computed列

，然后将函数设置为formula，到目前为止，将计算每个记录的纯名称，但这不会对查询产生显著的改进。要解决这个问题，请将计算列上的IsPersisted属性设置为true，然后再次执行查询，您会感到惊讶。

您已经为Fullname编制了索引，不是吗？假设你有，也许这种方法有帮助

CREATE FUNCTION [dbo].[FN_Extract_Person] 
       (@text as nvarchar(1000))
RETURNS int
AS
BEGIN
    declare @result INT

    WITH options AS(
        SELECT * FROM (VALUES
              (1, ltrim(rtrim(@text)))
            , (2, ltrim(rtrim(replace(replace(@text,'/',''),'.',''))))
            , (3, ltrim(rtrim(replace(replace(replace(@text,'/',''),'.',''),',',''))))
            , (4, ltrim(rtrim(SUBSTRING(@text,1,PATINDEX('%[(.{]%', @text)))))
        ) AS T(Prio, Name)
    )
    SELECT TOP 1 @result = uniquepersonid, Prio FROM dbo.persons AS P
        INNER JOIN options AS O
            ON P.name = O.name
    ORDER BY Prio;

    if (@result > 0)
        return @result
END

编辑：使用标量函数可能会遇到更大的问题，因为它的内容取决于您使用该函数的方式。例如，使用这个函数查询是个坏主意。在这种情况下，您可能需要使用内联函数，如下所示：

CREATE FUNCTION [dbo].[IF_Extract_Person] 
       (@text as nvarchar(1000))
RETURNS TABLE RETURN
    WITH options AS(
        SELECT * FROM (VALUES
              (1, ltrim(rtrim(@text)))
            , (2, ltrim(rtrim(replace(replace(@text,'/',''),'.',''))))
            , (3, ltrim(rtrim(replace(replace(replace(@text,'/',''),'.',''),',',''))))
            , (4, ltrim(rtrim(SUBSTRING(@text,1,PATINDEX('%[(.{]%', @text)))))
        ) AS T(Prio, Name)
    )
    SELECT TOP 1 uniquepersonid FROM dbo.persons AS P
        INNER JOIN options AS O
            ON P.name = O.name
    ORDER BY O.Prio
GO

---

EDIT2:进行了一些优化，可能会有所帮助。您可能需要提供更多的上下文，并告诉我们如何使用该函数

计算列是个好主意。然而，在我的例子中，文本正在被解析，其中一个步骤是提取唯一id。例如：“John Doe，来自xyz社区学院”是一种模式，当拆分时，将得到John Doe，作为提取uniquepersonid的文本。文本可能包含人，也可能不包含人。您如何确定全名何时/何处结束？有两个姓氏没有连字符的人（例如“Paul van Dyk”或“Reginald Von Hoobie Doobie”）呢？重复的名字（如“约翰·史密斯”）如何？这里好像有点不对劲。无论如何，如果您不针对

person

进行3次选择，您的函数将更快。只需进行3次替换，然后进行一次选择。幸运的是，这是文本中遵循的一个模式，名称后面总是有一组模式（在我们的分析过程中已经确定）。只要名称与person表匹配（不管是一个姓还是两个姓），它对我们仍然有效。有些模式也很复杂，文本并非总是以人名开头。有趣的方法。不确定，但是这个函数与我的其他函数结合使用时需要更多的时间。我首先添加了6个标准。思想？