Q：如何在SQL中的不同表中查找相同和相似的字符串值
我的数据库中有两个表，每个表都有带名称的列。如何比较这些表列，如何找到这些名称，哪些名称与表1和表2中的名称完全匹配 例如： 表1Q：如何在SQL中的不同表中查找相同和相似的字符串值,sql,sql-server,Sql,Sql Server,我的数据库中有两个表，每个表都有带名称的列。如何比较这些表列，如何找到这些名称，哪些名称与表1和表2中的名称完全匹配 例如： 表1 column1 --------------------- Tom Hawky Antony Hendric Formen Cathy Cassy Bill Gates Mary Diore 表2 column1 ---------------------- Christopher Fridricson Ken Lovely Tom Hawky Anthony F
column1
---------------------
Tom Hawky
Antony Hendric Formen
Cathy Cassy
Bill Gates
Mary Diore
column1
----------------------
Christopher Fridricson
Ken Lovely
Tom Hawky
Anthony Foreman
Chati Cassei
table1 - table2
Tom Hawky - Tom Hawky
Antony Hendric Formen - Anthony Henrich Foreman
Cathy Cassy - Chati Cassei
您尚未明确定义用于确定相似性的参数。但是一个有趣的方法可能是使用
差异函数。这将比较两个字符串的语音表示（使用SOUNDEX
函数），并返回0到4之间的值，其中4是最强匹配。因此，您可以尝试以下方法：
SELECT t1.column1 + ' - ' + t2.column1 AS 'table1 - table2'
FROM table1 t1
INNER JOIN table2 t2
ON DIFFERENCE(t1.column1,t2.column1)>= 3
[Microsoft.SqlServer.Server.SqlFunction(IsDeterministic = true, IsPrecise = false)]
public static int Levenshtein(SqlString S1, SqlString S2)
{
if (S1.IsNull)
S1 = new SqlString("");
if (S2.IsNull)
S2 = new SqlString("");
int maxLen = 4096;
// keeping only the first part of the string (performance reasons)
String SC1 = S1.Value.ToUpper();
String SC2 = S2.Value.ToUpper();
if (SC1.Length > maxLen)
SC1 = SC1.Remove(maxLen);
if (SC2.Length > maxLen)
SC2 = SC2.Remove(maxLen);
int n = SC1.Length;
int m = SC2.Length;
short[,] d = new short[n + 1, m + 1];
int cost = 0;
if (n + m == 0)
{
return 0;
}
else if (n == 0)
{
return 0;
}
else if (m == 0)
{
return 0;
}
for (short i = 0; i <= n; i++)
d[i, 0] = i;
for (short j = 0; j <= m; j++)
d[0, j] = j;
for (int i = 1; i <= n; i++)
{
for (int j = 1; j <= m; j++)
{
if (SC1[i - 1] == SC2[j - 1])
cost = 0;
else
cost = 1;
d[i, j] = (short) System.Math.Min(System.Math.Min(d[i - 1, j] + 1, d[i, j - 1] + 1), d[i - 1, j - 1] + cost);
}
}
// double percentage = System.Math.Round((1.0 - ((double)d[n, m] / (double)System.Math.Max(n, m))) * 100.0, 2);
// return percentage;
return d[n, m];
}
-- SQL to actually create scalar function that calls CLR code
ALTER FUNCTION dbo.Levenshtein(@S1 nvarchar(max), @S2 nvarchar(max))
RETURNS INT as EXTERNAL NAME ClrUtils.StoredFunctions.Levenshtein
GO
-- CLR must be enabled for database
sp_configure 'clr enabled', 1
GO
RECONFIGURE
GO
我已将最低比较级别设置为3，但您可以调整它以最适合您的数据 一种解决方案是执行以下操作：
1） 将名称拆分为一些临时表，这样比较就容易多了
2） 构造一个查询，尝试根据某个距离查找匹配项
1）拆分成单词
drop table #T1Words
Go
create table #T1Words (Id1 INT NOT NULL, Word NVARCHAR(100))
GO
insert into #T1Words
select T1.Id1, X1.Item
from Table1 T1
cross apply dbo.SplitStrings_XML (T1.Column1, N' ') X1
GO
drop table #T2Words
GO
create table #T2Words (Id2 INT NOT NULL, Word NVARCHAR(200))
GO
insert into #T2Words
select T2.Id2, X2.Item
from Table2 T2
cross apply dbo.SplitStrings_XML (T2.Column2, N' ') X2
GO
设置
-- drop table Table1
create table Table1
(
Id1 INT NOT NULL CONSTRAINT PK_Table1 PRIMARY KEY IDENTITY (1, 1),
Column1 NVARCHAR(200) NOT NULL
)
GO
insert into Table1 (Column1)
VALUES ('Tom Hawky'), ('Antony Hendric Formen'), ('Cathy Cassy'), ('Bill Gates'), ('Mary Diore')
GO
-- drop table Table2
create table Table2
(
Id2 INT NOT NULL CONSTRAINT PK_Table2 PRIMARY KEY IDENTITY (1, 1),
Column2 NVARCHAR(200) NOT NULL
)
GO
insert into Table2 (Column2)
VALUES ('Christopher Fridricson'), ('Ken Lovely'), ('Tom Hawky'), ('Anthony Foreman'), ('Chati Cassei'), ('Tom X')
GO
select * from Table1
GO
select * from Table2
GO
分割功能
有几种方法可以使用，我选择了XML方式：
CREATE FUNCTION dbo.SplitStrings_XML
(
@List NVARCHAR(MAX),
@Delimiter NVARCHAR(255)
)
RETURNS TABLE
WITH SCHEMABINDING
AS
RETURN
(
SELECT Item = y.i.value('(./text())[1]', 'nvarchar(4000)')
FROM
(
SELECT x = CONVERT(XML, '<i>'
+ REPLACE(@List, @Delimiter, '</i><i>')
+ '</i>').query('.')
) AS a CROSS APPLY x.nodes('i') AS y(i)
);
GO
使用一定距离进行选择
可以使用的一个距离是。为了在SQL中使用它，它必须在CLR中实现，否则速度会非常慢。大概是这样的：
SELECT t1.column1 + ' - ' + t2.column1 AS 'table1 - table2'
FROM table1 t1
INNER JOIN table2 t2
ON DIFFERENCE(t1.column1,t2.column1)>= 3
[Microsoft.SqlServer.Server.SqlFunction(IsDeterministic = true, IsPrecise = false)]
public static int Levenshtein(SqlString S1, SqlString S2)
{
if (S1.IsNull)
S1 = new SqlString("");
if (S2.IsNull)
S2 = new SqlString("");
int maxLen = 4096;
// keeping only the first part of the string (performance reasons)
String SC1 = S1.Value.ToUpper();
String SC2 = S2.Value.ToUpper();
if (SC1.Length > maxLen)
SC1 = SC1.Remove(maxLen);
if (SC2.Length > maxLen)
SC2 = SC2.Remove(maxLen);
int n = SC1.Length;
int m = SC2.Length;
short[,] d = new short[n + 1, m + 1];
int cost = 0;
if (n + m == 0)
{
return 0;
}
else if (n == 0)
{
return 0;
}
else if (m == 0)
{
return 0;
}
for (short i = 0; i <= n; i++)
d[i, 0] = i;
for (short j = 0; j <= m; j++)
d[0, j] = j;
for (int i = 1; i <= n; i++)
{
for (int j = 1; j <= m; j++)
{
if (SC1[i - 1] == SC2[j - 1])
cost = 0;
else
cost = 1;
d[i, j] = (short) System.Math.Min(System.Math.Min(d[i - 1, j] + 1, d[i, j - 1] + 1), d[i - 1, j - 1] + cost);
}
}
// double percentage = System.Math.Round((1.0 - ((double)d[n, m] / (double)System.Math.Max(n, m))) * 100.0, 2);
// return percentage;
return d[n, m];
}
-- SQL to actually create scalar function that calls CLR code
ALTER FUNCTION dbo.Levenshtein(@S1 nvarchar(max), @S2 nvarchar(max))
RETURNS INT as EXTERNAL NAME ClrUtils.StoredFunctions.Levenshtein
GO
-- CLR must be enabled for database
sp_configure 'clr enabled', 1
GO
RECONFIGURE
GO
[Microsoft.SqlServer.Server.SqlFunction（IsDeterministic=true，IsPrecise=false）]
公共静态int-Levenshtein（sqlstrings1、sqlstrings2）
{
if（S1.IsNull）
S1=新的SqlString（“”）；
if（S2.IsNull）
S2=新的SqlString（“”）；
int-maxLen=4096；
//仅保留字符串的第一部分（性能原因）
字符串SC1=S1.Value.ToUpper（）；
字符串SC2=S2.Value.ToUpper（）；
如果（SC1.Length>maxLen）
SC1=SC1。移除（maxLen）；
如果（SC2.Length>maxLen）
SC2=SC2.移除（maxLen）；
int n=SC1.长度；
int m=SC2.长度；
短[，]d=新短[n+1，m+1]；
整数成本=0；
如果（n+m==0）
{
返回0；
}
else如果（n==0）
{
返回0；
}
else如果（m==0）
{
返回0；
}
对于（缩写i=0；i“相似”是什么意思？在任何人回答您的问题之前，您需要一个非常具体的定义。查找精确匹配很容易，即使忽略大小写也很容易，但查找相似的名称是一个全新的难题。对您的代码进行一点解释将大大改进您的答案。