在 Oracle 中逐字拆分字符串，在查找表中查找缩写答案

【问题标题】：Split string by word in Oracle looking for abbreviations in a lookup table在 Oracle 中逐字拆分字符串，在查找表中查找缩写
【发布时间】：2016-04-26 14:51:13
【问题描述】：

我有一个大约 100k 对文本字符串（句子）的列表，即使值不同，它们也可能意味着相同。很多问题仅仅是由于在其中的一半上使用了缩写和不同的标点符号：

Source 1                Source 2
TEMP.IND.               TEMPERATURE INDICATOR

我对如何解决这个问题的最初想法是按单词拆分字符串，然后在包含缩写词和类似于下面的全长单词的表中查找每个单词：

Abbreviation:          Meaning:
TEMP.                  TEMPERATURE
IND.                   INDICATOR

如果找到匹配项，我会使用新单词生成替换字符串，然后再将其与其他来源进行比较。如果它们不匹配，我对查找表中找到的每个缩写词重复该过程。

与例如相比，在 Oracle 中执行此操作会非常复杂吗？ C#（我很流利）？最好将其保存在数据库中，但如果需要花费太多时间来实施，则不是。有没有更好的选择？另一种方法是手动检查所有内容。

抱歉，如果这是错误的网站。

【问题讨论】：

标签： c# sql oracle

【解决方案1】：

在 DB (Oracle) 中操作应该和在 C# 中一样容易，而且可能要快得多。一旦创建了等价表（带有 Abbreviation 和 Meaning 列），编写代码就不是什么大问题了。

难点在于规范。为什么要临时。 Ind. 是指“温度指示器”而不是“临时指数”或“印度寺庙”？仅当每个缩写对应于唯一含义时，这才有效（在 Oracle 或 C# 或其他无关的东西中）。

祝你好运！

【讨论】：

我比较的文本来自一个非常具体的业务领域，所以不可能混淆。感谢您的回答！
即便如此，在开始考虑代码之前，您仍需要一套强大的规则。例如，应该 Temp.扩展到温度和温度。温度（匹配情况）？ Temp 时是否需要“感应”？是句子中的最后一个词，所以句号（句号，. 结束句子）不会被删除，留下没有句号的句子？你想要温度吗？和温度；都膨胀到温度；（后跟分号;）？在您已经开发代码之后出现这些可能会非常令人沮丧。