Excel：不完美匹配[重复]答案

【问题标题】：Excel: Imperfect Matches [duplicate]Excel：不完美匹配[重复]
【发布时间】：2014-10-22 01:54:18
【问题描述】：

我有两个表格，每个表格都填满了设施名称和邮政编码（以及一堆不相关的其他数据）。这些表格来自两个不同的来源，我想将它们链接起来。问题是，设施名称的写法很多时候略有不同（缩写、撇号等）。邮政编码恰好是一个很好的限制器，将数千个潜在匹配项减少到少数几个。我的问题是，

在给定邮政编码匹配和近似名称匹配的情况下，如何匹配这两个表：

|facility|zip  |         |facility|zip  |
|azyt    |10000| No Match|aaaa    |10000|
|abba    |10000| Match   |abb'    |10000|

我想到的一种方法是针对表 A 中的每一行，梳理表 B 的邮政编码并找到所有具有匹配邮政编码的行。然后以某种方式测试哪个名称最相似，可能通过比较最左边的字符（？）。总有一个匹配，只是不完美。

这是我的不完整代码：

 Dim facilityName, facilityZip, otherName

  For i = 1 To Worksheets("Facility").UsedRange.Rows.Count
    facilityName = Worksheets("Facility").Cells(i, 2)
    facilityZip = Worksheets("Facility").Cells(i, 4)

    'Grab all rows in OTHER that have same ZIP
    For j = 1 To Worksheets("Other").UsedRange.Rows.Count
      otherName = Array()
      ub = UBound(otherName) + 1
      If Worksheets("Other").Cells(j, 3).Value = facilityZip Then
        ReDim Preserve otherName(0 To ub)
        otherName(ub) = j
      End If
    Next j

    'Compare names
     For Each rw In otherName
       'here I would compare each result to the current facilityName. There's likely a better way to do this...
     Next rw

    Next i

有关此代码的帮助、建议甚至不同的方法都会非常有帮助！

谢谢！

【问题讨论】：

您实际上并不需要 otherName 数组 - 您可以直接在扫描“其他”表的内部循环中进行比较。
你可能是对的。我的想法是，由于我正在寻找最接近的匹配，我想首先存储所有可能的匹配，然后找到最接近的匹配。一些匹配将是精确的，而另一些可能是消除过程。此外，我认为可能有一种方法可以通过排除已选择的任何可能的“otherSheet”候选者来优化代码。但这不是必需的。
好点：如果您需要对可能的匹配进行排名，那么您现有的代码是一个好方法。我想你究竟如何对匹配进行排名是一个问题：你可以从一个子字符串匹配开始，也许像检查 Levenshtein 差异之类的东西：stackoverflow.com/questions/21276721/…
嗯，我想知道 levenshtein 方法在这里如何工作。例如，一张纸可能会说“花园草地共价”并与简单的“花园草地”匹配。但是加上整个词可能比“花园购物中心”之类的词更“遥远”。但也许如果我们将字符串的大小限制为更小，嗯。你怎么看？
我不是这方面的专家 - Levenshtein Distance 是我所知道的唯一“正式”方法，但我相信还有很多其他方法。如果您的变化主要发生在字符串的末尾，那么限制大小可能是一个好主意。基本上你需要尝试一些不同的算法，看看什么能给你“最好”的结果。

标签： excel vba

【解决方案1】：

使用来自here 的 Levenshtein 距离方法：

Dim facilityName, facilityZip, hudName, hudZip, provNum, lowerLen, levNum, tmpLev, resultHudNum, resultHudName


For i = 1 To Worksheets("Facility").UsedRange.Rows.Count
  With Worksheets("Facility")
    facilityName = .Cells(i, 2)
    facilityZip = .Cells(i, 3)
  End With
  levNum = 5
  resultHudNum = 0
  For j = 1 To Worksheets("Sheet1").UsedRange.Rows.Count
    With Worksheets("Sheet1")
      hudName = .Cells(j, 2)
      hudZip = .Cells(j, 4)
      hudNum = .Cells(j, 1)
    End With
    If hudZip = facilityZip Then
      If Len(facilityName) < Len(hudName) Then
        lowerLen = Len(facilityName)
      Else
        lowerLen = Len(hudName)
      End If
      tmpLev = Levenshtein(Mid(facilityName, 1, lowerLen), Mid(hudName, 1, lowerLen))
      If tmpLev < levNum Then
          levNum = tmpLev
          resultHudNum = hudNum
          resultHudName = hudName
      End If
    End If
  Next j
  If resultHudNum <> 0 Then
    Worksheets("Facility").Cells(i, 4).Value = resultHudNum
    Worksheets("Facility").Cells(i, 5).Value = resultHudName
  Else
    Worksheets("Facility").Cells(i, 4).Value = "000000"
    Worksheets("Facility").Cells(i, 5).Value = ""
  End If
Next i

可以通过更改 levNum 中的值来修改字符串之间所需的相似度。

感谢@Tim 的帮助！

【讨论】：