sql中的部分字符串匹配答案

【问题标题】：partial string matching in sqlsql中的部分字符串匹配
【发布时间】：2016-10-12 19:47:01
【问题描述】：

我需要根据它们共有的字符串数来匹配来自两个不同表的两列。所以例如在第一列我有：

================Table 1==============================
ID     desc             Year      Month
123    food_drink       2016      8
345    shoe_bag         2016      8
678    001_toilet_paper 2015      7
910    Bags_of_thing    2015      6

======================table 2======================
ID      Name           Year        month
ad      drink_server   2016        8 
ac      shoe_shiny     2016        8
aa      white_paper    2015        7
cc      blue_bags      2015        6

有没有办法通过在描述和名称中加入年、月和类似的字符串来组合这两个表。所以比较 desc 和 name 列，看看它们是否有 >= 5 个共同的字符串，然后：

===================================================
ID1  ID2  name          desc              Year  Month
123  ad   drink server  food_drink        2016   8
678  aa   white_paper   001_toilet_paper  2016   7

本质上，我需要一种方法来比较不同表的两列之间的公共字符串的数量。谢谢。

【问题讨论】：

您可以编写任何您想要的join - 连接子句简单地归结为布尔值 true/false：true = 加入记录，false = 不加入。但是您的子字符串匹配不会很漂亮。 sql 不是一种用于进行任意字符串操作的好语言。最好将表标准化并将这些 food/drink/server/blah/blah 关键字放入它们自己的子表中，然后匹配将是微不足道的加入 + 平等测试。
我不确定我是否理解。您想将 table1 中的每一行与 table2 中的每一行进行比较，以检查它们是否至少（或完全）有 5 个公共字段，或者您想将列与列进行比较？
您使用的是哪个 DBMS？
微软服务器管理工作室
嗨。恐怕问题不清楚。你能以身作则吗？谢谢

标签： sql

【解决方案1】：

您的问题归结为您的数据甚至不是第一范式，因此很难在 SQL 中处理它。

这就是我要做的：

创建一个将字段拆分为单词的临时表。我认为 ID 是两个表中的关键。表格如下所示：

================表字1============================= =
```
ID1     word
123    food
123    drink
345    shoe
345    bag
...
```

=============表字2 =======================

    ID2      word
    ad      drink
    ad      server 
    ac      shoe
    ac      shiny
    ...

现在您可以轻松找到有 5 个或更多相同单词的 ID：

SELECT ID1, ID2 FROM words1 JOIN words2 ON (word1.word = words2.word) 
GROUP by ID1, ID2
having count(*) >= 5;

获得 ID1 和 ID2 后，您可以连接回原始表并检索所需的其余数据。

【讨论】：

【解决方案2】：

感谢所有回答的人。我最终使用 R 来使用以下链接中描述的技术进行字符串匹配：

https://www.r-bloggers.com/fuzzy-string-matching-a-survival-skill-to-tackle-unstructured-information/

【讨论】：