Sql 比较具有单位vs但实际上相同的地址

我正在尝试检索地址1地址2的记录

我遇到了这样一种情况，其中有一些地址类似于以下示例：

address 1                   address 2
69 Cherokee Cir Unit 204    69 CHEROKEE CIR # 204

我的查询返回属于这种情况的记录，但这是不正确的，因为地址实际上是相同的

能否举例说明如何解决这一问题

---

地址1和地址2的地址值都是完整块，不存储在多列中

以下是如何使用REPLACE进行此操作。但即使两个地址中都有额外的空格，也意味着它们不匹配

declare @Something table
(
    address1 varchar(50)
    , address2 varchar(50)
)

insert @Something values
('69 Cherokee Cir Unit 204', '69 CHEROKEE CIR # 204')

select *
from @Something s
where s.address1 = replace(s.address2, '#', 'Unit')

---

以下是您如何使用REPLACE进行此操作。但即使两个地址中都有额外的空格，也意味着它们不匹配

declare @Something table
(
    address1 varchar(50)
    , address2 varchar(50)
)

insert @Something values
('69 Cherokee Cir Unit 204', '69 CHEROKEE CIR # 204')

select *
from @Something s
where s.address1 = replace(s.address2, '#', 'Unit')

---

这里有一个计算不同单词的方法。 但它使用了自Sql Server 2017年以来才添加的STRING_SPLIT函数

select t.*
from YourTable t
cross apply 
(
  select
   count(nullif(s1.value,' ')) as diffcnt1
  ,count(nullif(s2.value,' ')) as diffcnt2
  --,string_agg(nullif(s1.value,' '),'|') as diff1,
  --,string_agg(nullif(s2.value,' '),'|') as diff2
  from string_split(t.address1,' ') s1
  full join string_split(t.address2,' ') s2
    on lower(s1.value) = lower(s2.value)
  where s1.value is null
     or s2.value is null
) ca
where t.address1 != t.address2
  and (ca.diffcnt1>1 or ca.diffcnt2>1)

对dbfiddle的测试

或者尝试这种快速而肮脏的方法来过滤至少一些相对相似的内容。 还可以检查字符串之间的值

SELECT *
FROM YourTable
WHERE (LOWER(address1) != LOWER(address2)) 
  AND DIFFERENCE(LOWER(address1), LOWER(address2)) < 4

但差异只是比较字符串的SOUNDEX值。所以有可能得到假阳性或假阴性

也许检查字符串之间的距离更准确。 下面是一篇关于在Sql Server中计算该指标的老文章：

---

还有其他的方法。

这里有一种计算不同单词的方法。 但它使用了自Sql Server 2017年以来才添加的STRING_SPLIT函数

select t.*
from YourTable t
cross apply 
(
  select
   count(nullif(s1.value,' ')) as diffcnt1
  ,count(nullif(s2.value,' ')) as diffcnt2
  --,string_agg(nullif(s1.value,' '),'|') as diff1,
  --,string_agg(nullif(s2.value,' '),'|') as diff2
  from string_split(t.address1,' ') s1
  full join string_split(t.address2,' ') s2
    on lower(s1.value) = lower(s2.value)
  where s1.value is null
     or s2.value is null
) ca
where t.address1 != t.address2
  and (ca.diffcnt1>1 or ca.diffcnt2>1)

对dbfiddle的测试

或者尝试这种快速而肮脏的方法来过滤至少一些相对相似的内容。 还可以检查字符串之间的值

SELECT *
FROM YourTable
WHERE (LOWER(address1) != LOWER(address2)) 
  AND DIFFERENCE(LOWER(address1), LOWER(address2)) < 4

但差异只是比较字符串的SOUNDEX值。所以有可能得到假阳性或假阴性

也许检查字符串之间的距离更准确。 下面是一篇关于在Sql Server中计算该指标的老文章：

---

还有其他问题。

地址操纵充其量也是非常有问题的。您可以在这里的示例中使用REPLACE进行比较。但在区分大小写的排序中，这些仍然不相同。如果它们除了单位之外不完全相同，它们就不会匹配。Wikipeadia有一篇关于这个问题的好文章：地址操纵充其量是非常有问题的。您可以在这里的示例中使用REPLACE进行比较。但在区分大小写的排序中，这些仍然不相同。如果他们不是完全相同的单位，他们不会匹配。维基百科上有一篇关于这个问题的文章：谢谢你，肖恩，这是一个很好的起点。我一直在努力正确过滤结果，我快疯了。谢谢肖恩，这是一个很好的起点。我一直在努力正确过滤结果，我快发疯了。它只是计算一个介于0和4之间的数字来表示相似度。4表示非常相似。如果他想找到不同的字符串，但避免使用相似的字符串，那么过滤差异为4的字符串并不是一个完美的解决方案。但也许OP会发现这个概念仍然有用，没问题。前一段时间我做了相反的事情，把你的答案看错了。这是常有的事；它只是计算一个介于0和4之间的数字来表示相似度。4表示非常相似。如果他想找到不同的字符串，但避免使用相似的字符串，那么过滤差异为4的字符串并不是一个完美的解决方案。但也许OP会发现这个概念仍然有用，没问题。前一段时间我做了相反的事情，把你的答案看错了。这是常有的事；