特定字符串匹配答案

【问题标题】：Specific string matching特定字符串匹配
【发布时间】：2019-08-01 03:42:31
【问题描述】：

我在 SQL Server 2012 中工作。在我的表中，有一个名为St_Num 的列，它的数据是这样的：

St_Num                 status
------------------------------
128 TIMBER RUN DR      EXP
128 TIMBER RUN DRIVE   EXP

现在我们可以注意到上面的数据存在拼写变化。我想做的是，如果这种情况下的数字 128 和 St_Num 列中的前 3 个字母相同，那么这两行应该被认为是相同的，输出应该是：

St_Num                status
-----------------------------
128 TIMBER RUN DR     EXP

我对此进行了一些搜索，发现 left 或 substring 函数在这里很方便，但我不知道如何在这里使用它们来获得我需要的东西，即使它们能解决我的问题也不知道。关于如何获得所需输出的任何帮助都会很棒。

【问题讨论】：

标准化地址比人们想象的要复杂得多。看看stackoverflow.com/questions/41249742/…

标签： sql sql-server string substring string-matching

【解决方案1】：

这可以通过使用子查询来完成，就像消除表中的重复项一样：

SELECT Str_Num, status
FROM <your_table> a
WHERE NOT EXISTS (SELECT 1
FROM <your_table> b
WHERE SUBSTRING(b.Str_Num, 1, 7) = SUBSTRING(a.Str_Num, 1, 7));

这只有在保证数字长度为 3 个字符的情况下才有效，或者如果您不介意在数字较少字符的情况下占用更多字符。

【讨论】：

【解决方案2】：

这将只输出匹配的第一行：

with cte as (
  select *,
  row_number() over (order by (select null)) rn
  from tablename
)
select St_Num, status from cte t
where not exists (
  select 1 from cte
  where 
    left(St_Num, 7) = left(t.St_Num, 7)
    and
    rn < t.rn
)

见demo

【讨论】：

如果存在“128 TIMBER HILL”或其他类似名称，或者存在诸如“128 TMBER RUN DR”之类的拼写错误，则会失败
如果本例中的数字 128 和 St_Num 列中的前 3 个字母相同，则这两行应视为相同这是要求。
@zain ul abidin：如果这个要求只用于返回数据，还可以，但是如果你在UPDATE语句中使用它来标准化地址会导致灾难。
@forpas 我需要的是，当第一次查询通过 123 TIMBER RUN DR 时，然后在 St_Num 列中，它再次通过字段 123 TIMBER RUN DRIVE 然后它应该检查如果有 123 个 TIM 匹配，则不显示此记录，而仅显示第一个。
@zainulabidin 是否有像 id（整数自动增量）这样的列可以用作行的顺序？

【解决方案3】：

您可以使用status 和substring(St_Num,1,3) 分组

with t(St_Num, status) as
(
 select '128 TIMBER RUN DR'   ,'EXP' union all
 select '128 TIMBER RUN DRIVE','EXP'   
) 
select min(St_Num) as St_Num, status
  from t    
 group by status, substring(St_Num,1,3);

St_Num              status
-----------------   ------
128 TIMBER RUN DR   EXP

【讨论】：

【解决方案4】：

我不太赞同你的匹配逻辑。 . .但这不是你的问题。最大的问题是字符串前面的数字有多长。因此，您可以使用以下方法获得最短的地址：

select distinct t.*
from t
where not exists (select 1
                  from t t2
                  where left(t2.st_num, patindex('%[a-zA-Z]%') + 2, t.st_num) = left(t.st_num, patindex('%[a-zA-Z]%', t.st_num) + 2) and
                        len(t.St_Num) < len(t2.St_Num)
                 );

【讨论】：

【解决方案5】：

我仍然觉得您的标准不足以匹配相同的地址，但这可能会有所帮助，因为它还考虑了数字的长度：

WITH ParsedAddresses(st_num, exp, number)
AS
(
    SELECT st_num,
    exp,
    number = ROW_NUMBER() OVER(PARTITION BY LEFT(st_num, CHARINDEX(' ', st_num) + 3) ORDER BY LEN(st_num))
    FROM <table_name>
)
SELECT st_num, exp FROM ParsedAddresses
WHERE number = 1

【讨论】：