查找它们“相似”的行以及哪些列答案

【问题标题】：Find rows where they are "similar" and in which columns查找它们“相似”的行以及哪些列
【发布时间】：2019-03-01 15:02:22
【问题描述】：

我对 SQL Server (2017) 很陌生，我有这种需求：
考虑一下这个记录：

╔═════════════╦═══════════════╦══════════════╦═══════╗
║   Surname   ║     Name      ║ Day of birth ║ City  ║
╠═════════════╬═══════════════╬══════════════╬═══════╣
║ Rivers Lara ║ Wanda Leticia ║ 07/04/1956   ║ Paris ║
╚═════════════╩═══════════════╩══════════════╩═══════╝

我要在下面的列表中找到所有匹配的记录突出显示匹配的类型：

╔═════════════╦═══════════════╦══════════════╦════════╗
║   Surname   ║     Name      ║ Day of birth ║  City  ║
╠═════════════╬═══════════════╬══════════════╬════════╣
║ Rivers Lara ║ Wanda Leticia ║ 07/04/1956   ║ London ║
║ Rivers      ║ Leticia       ║ 07/04/1956   ║ Rome   ║
║ Rivers      ║ Leticia       ║ 14/03/1995   ║ Rome   ║
║ Rivers Lara ║ Leticia       ║ 07/04/1956   ║ Paris  ║
║ Rivers Lara ║ Wanda Leticia ║ 08/07/1983   ║ Paris  ║
╚═════════════╩═══════════════╩══════════════╩════════╝

例如：
第一行匹配 Surname+Name+dayofbirth
第二名：部分姓氏+部分名字+出生日期
第三名：部分姓氏+部分名字
姓氏+部分姓名+出生日期+城市的第四位
等等……

考虑到目前我们有固定数量的可能匹配但将来可能会增加（可能会添加更多列，例如税号或其他），我们将不胜感激有关如何处理此类查询的任何想法。

【问题讨论】：

您需要的确切输出是什么？我通过对第二张表执行多个LEFT JOINs 来完成类似的操作，每个标准一个。所以基本上你在没有匹配时以NULL 值结束，在有匹配时以值结束。然后，您可能希望使用 ISNULL 或 COALESCE 对这些结果执行另一个查询。
输出应该像第二个表，有一个额外的列，类型匹配（es surname，name or surname，partialname，dayofbirth 等）。这只是输出的一个想法（如果需要可以更改）。目标是找到具有 1、2、3 或 4 个相同值的人（姓氏和名字总是在 AND 中，而其他列是可选的）
SimoneG，任何答案都有效吗？从那以后你就没有发表过评论。
最后我选择了一个接近 JBJ 想法的解决方案，使用 PARSENAME 来拆分多个姓（或名字）值，而不使用 soundex（我们不仅有英文名字）。谢谢！

标签： tsql sql-server-2017

【解决方案1】：

假设表示层是 html 并且您可以在查询输出中使用一些 html，这是一个粗略的想法，尽管它的工作效率不高，也没有部分匹配，只有精确。要匹配部分，您需要使用 charindex() 或 patindex() 并使用 left() 或 right() 在 ' ' 上拆分，可能会很复杂。

左/右词的拆分就像，至少我仍然是这样拆分的。

--this is only an example on the convoluted nature of string manipulation.
declare @Surname varchar(128) = 'Rivers Lara';
select 
     rtrim(iif(charindex(' ',@Surname) = 0,@Surname,Left(@Surname, charindex(' ',@Surname)))) first_part_Surname
    ,ltrim(reverse(iif(charindex(' ',@Surname) = 0,reverse(@Surname),Left(reverse(@Surname), charindex(' ',reverse(@Surname)))))) last_part_Surname

declare @StartRed varchar(50) = '<span style="color: red;">'
       ,@StopRed varchar(50) = '</span>';
select 
     case when tm.Surname = tr.Surname then @StartRed + tr.Surname + @StopRed else tr.Surname end Surname
    ,case when tm.Name = tr.Name then @StartRed + tr.Name  + @StopRed else tr.Name end [Name]
    ,case when tm.[Day of Birth] = tr.[Day of Birth] then @StartRed + convert(varchar, tr.[Day of Birth], 1) + @StopRed end [Day of Birth]
    ,case when tm.City = tr.City then @StartRed + tr.City + @StopRed else tr.City end City
from TableMatch tm
inner join TableRecords tr on (tm.Surname = tr.Surname or tm.Name = tr.Name) 
    and (tm.[Day of Birth] = tr.[Day of Birth] or tm.City = tr.City)

-- requires either Surname or Name to match and at least 1 of the 2 others to match

此外，您可以使用soundex() 来查找听起来像其他名称的名称，作为权宜之计，无需任何操作。您还可以 Left() soundex() 值以获得更广泛的匹配，但如果您转到 left(soundex(name),1) 匹配，您最终会得到所有以第一个字母开头的名称。

【讨论】：

【解决方案2】：

除了 Andrew 的评论之外，您还可以使用单个自联接来处理它，该自联接对要检查的每一列都有 OR 链接条件：

ON Col1=Col1
OR Col2=Col2
OR Col3=Col3
etc...

那么，您希望使用这种匹配类型的额外列将是一个大型 CASE 表达式，其中包含您希望在此列中看到的每种可能组合的 WHEN..THEN。

WHEN Col1=Col1 and Col2<>Col2 and Col3<>Col3 THEN 'Col1'
WHEN Col1=Col1 and Col2=Col2 and Col3<>Col3 THEN 'Col1, Col2'
etc...

在上面的示例中，我假设所有列都不能包含 NULL，但如果它们可以，您也必须在逻辑中处理它。

【讨论】：