存储在SQL server中的地址有许多小的变化（错误）

我的数据库中有一个表，存储装箱单及其信息。我试图查询该表并获取每个唯一的地址。我已经接近了，但我仍然有很多未遂事件，我正在寻找一种方法，从我的选择中排除这些未遂重复

样本数据

CompanyCode   CompanyName                     Addr1                City         State   Zip
10033         UNITED DIE  CUTTING & FINISHIN  3610 HAMILTON AVE    CLEVELAND    Ohio    44114
10033         UNITED DIE CUTTING & FINISHING  3610 HAMILTON AVE    CLEVELAND    Ohio    44114
10033         UNITED DIE CUTTING & FINISHING  3610 HAMILTON AVE.   CLEVELAND    Ohio    44114
10033         UNITED DIE CUTTING & FINISHING  3610 HAMILTON AVENUE CLEVELAND    Ohio    44114
10033         UNITED DIECUTTING & FINISHING   3610 HAMILTON AVE    CLEVELAND    Ohio    44144
10033         UNITED FINISHING                3610 HAMILTON AVE    CLEVLAND     Ohio    44114
10033         UNITED FINISHING & DIE CUTTING  3610 HAMILTON AVE    CLEVELAND    Ohio    44114

我只想要一张唱片。有什么办法可以让我得到平均记录吗？也就是说，如果大多数记录都是克利夫兰而不是克莱夫兰，我希望我的1号记录是克利夫兰。有没有办法把这些数据与我所寻找的相匹配？ 期望输出

 CompanyCode   CompanyName                     Addr1                City         State   Zip
 10033         UNITED DIE CUTTING & FINISHING  3610 HAMILTON AVE    CLEVELAND    Ohio    44114

---

你会挣扎的。我个人认为，我会考虑一个过程，试图更新数据库中的数据并改正它。

您可以更改输入数据的系统，或者如果不可能，可以使用一个外部进程在数据进入数据库后运行，该进程执行以下操作：

对照已知的列表，如城镇/州/国家等，以发现拼写错误。 查找已知的常规错误和缩写。例如Avenue/Ave.或Street/St.并将值标准化。 更改输入系统以进行此类验证和/或为用户提供地址搜索/验证UI，允许用户搜索给定某些已知值的地址（邮编等）。根据您在世界上的位置，您可以从不同的供应商处购买类似的数据。

---

如果这一切都起作用，我怀疑你会得到100%的回报，除非你提供了一种机制，将那些无法自动更正的内容标记为人工干预，那么你的报告就像SELECT DISTINCT一样简单…

你需要在SELECT语句中使用子查询 请尝试以下查询：

 select CompanyCode,
    (select top 1 CompanyName from Table1 where CompanyCode=X.CompanyCode 
     group by CompanyName order by count(*) desc) CompanyName,
    (select top 1 Addr1 from Table1 where CompanyCode=X.CompanyCode 
     group by Addr1 order by count(*) desc) Addr1,
    (select top 1 City from Table1 where CompanyCode=X.CompanyCode 
     group by City order by count(*) desc) City,
    (select top 1 State from Table1 where CompanyCode=X.CompanyCode 
     group by State order by count(*) desc) State,
    (select top 1 Zip from Table1 where CompanyCode=X.CompanyCode 
     group by Zip order by count(*) desc) Zip
from    Table1 X
group by CompanyCode

---

我希望是一次性的工作吧？除非您能用SQL术语解释为什么第一条记录是您所需要的，否则这是不可能的。作为一个临时的解决方案，我建议以下问题

select C1.* from Company C1, 
(select CompanyCode, min(CompanyName) as CompanyNameSelected 
   from Company
   group by CompanyCode) C2
where 
   C1.CompanyCode = C2.CompanyCode and 
   C1.CompanyName = C2.CompanyNameSelected;

---

当然，您可以使用任何聚合函数而不是返回公司名称，甚至可以编写自己的存储函数，但唯一需要做的是——您必须用查询语言解释为什么记录1比记录2好。

在StackOverflow中格式化表的最佳方法是什么？是否有一些SQL函数，如单词的统计模式？i、 e.返回字段最常用值的内容？您可以对每列执行groupby以获取最常用值，但这不会有帮助，因为它不是给定地址的最常用值，这将是有史以来输入的最常见的地址。@Neil Barnwell-如果我首先执行子查询或将以前的查询存储在临时表中，我可以使它成为子集中使用最多的地址。事实上，这是可行的。我可能不得不在运行时使用动态SQL和循环来构建我的查询，但如果结构正确，它就可以工作。只要您将它与之进行比较的值是已知的良好值，它就可以工作。我现在的感觉是：这里有龙。这不是一个容易解决的问题。嗯，我不能直接修改数据。但我想我可以将数据保存到一个临时表中，然后修改它。我该如何处理数字2？对于选项2，您将有效地执行替换样式代码，在数据到达数据库之前，用已知值替换变量，即St，St all替换为Street，或者使用某种计划/消息驱动的流程，在表已经进入后更新表，这很糟糕。所以您没有看到仅在SQL中执行此操作的方法吗？您可以使用插入触发器，但您必须提高效率，否则插入速度会降慢。如果您仅限于在数据库中执行此操作，我会在表上插入触发器，将消息写入另一个表；如果您使用SQL Server运行存储过程来修复与每条消息相关的数据并删除消息，则会使用SQL代理执行单独的计划进程。我讨厌这个解决方案，我们总是在工作中这样做，因为我更喜欢编写C代码，并将我的业务逻辑保留在数据库之外，但当需要时…有一些商业批处理工具将使用USPS标准化您的地址。如果第一条记录是一个打字错误或者公司代码输入错误怎么办？请注意，它不是表中的第一条记录，而是按变量分组并按count*desc排序的第一条记录。这样，在每种情况下，它都是该变量的最常用值。是的，它假设公司代码输入正确。好吧，我不明白。这可能会有帮助，我会尽快尝试。这张唱片应该有多少张？你完美地回答了我的问题。当然，我没有问这个问题，我只是意识到了一些细节，所以我仍然在寻找解决实际问题的方法。这里有更多的问题：每个公司代码可能有超过1个合法地址。我只想过滤掉那些几乎相同的。