加入部分匹配的表答案

【问题标题】：Join a partially matched table加入部分匹配的表
【发布时间】：2021-10-14 22:08:57
【问题描述】：

早上好，

我想连接两个表，但在某些情况下“名称”列不完全匹配。

例如，T1 中的名称是“Acosta, Joan”，但 T2 中的名称是“Perez Acosta, Joan”或“Acosta, Manuel Joan”。

我想加入这些表的主要原因是更新 T1 中的字段。

【问题讨论】：

提问时，您需要提供minimal reproducible example： (1) DDL 和样本数据填充，即 CREATE 表和 INSERT T-SQL 语句。 (2) 你需要做什么，即逻辑和你的代码尝试在 T-SQL 中实现它。 (3) 期望的输出，基于上面#1 中的样本数据。 (4) 您的 SQL Server 版本 (SELECT @@version;)。
你可能可以使用SOUNDEX之类的东西，但真正的问题是数据；从数据的角度来看，'Acosta, Joan' 和 'Perez Acosta, Joan'不同名。真的，名字不是一个很好的唯一标识符（从认识其他人的人那里得到这个，他们不仅与我认识的其他人共享名字，而且他们的 DoB 和我们住在同一条街上） .
如果你想一致地关联表，你应该首先解决修复关系的任务。否则，您基于模糊匹配执行的任何更新最终都可能对数据造成更大的破坏。

【解决方案1】：

如果您需要检查具有不同（但相似）值的字段，则没有标准的加入方式。

您可以定义一个函数，将两个值作为参数进行比较并返回两个字段之间的距离。然后您可以在连接中使用该函数，例如

   SELECT *
   FROM T1
   INNER JOIN T2 ON distance(T1.NAME, T2.NAME) < MAX_DISTANCE_ALLOWED

如何对置信度函数进行编码是范围的方法，但您可以例如使用Levensthein distance 的变体：

在信息论、语言学和计算机科学中，Levenshtein 距离是一种用于衡量两个序列之间差异的字符串度量。通俗地说，两个单词之间的 Levenshtein 距离是将一个单词更改为另一个单词所需的最小单字符编辑（插入、删除或替换）次数。

【讨论】：