从 Pattern - Oracle / Java 中查找具有最少字符的匹配记录

Question

我目前正在使用的 Web 应用程序具有文件导入逻辑。逻辑

1> 从文件 [excel 或 txt] 中读取记录，
2> 显示所有导入记录的不可编辑网格[如果数据库中不存在新记录，则将它们标记为新记录，并且将现有记录标记为更新] 和
3> 转储数据库中的记录。

文件中包含以下格式的联系人（使用主键 First_Name, Last_Name 镜像数据库中的列）：

First_Name, Last_Name, AddressLine1, AddressLine2, City, State, Zipcode

我们遇到的问题是文件中输入的同一实体有不同的值。例如，有人可能会为 New York 输入 NY，而其他人会输入 New York。同样适用于名字或姓氏ex。 John Myers 和 John Myer 指的是同一个人，但由于记录不完全匹配，它插入记录而不是重复使用它进行更新。

例如，文件中的记录（请注意姓名和地址使用纯属巧合：））：

John, Myers, 44 Chestnut Hill, Apt 5, Indiana, Indiana, 11111

以及数据库中的记录：

John, Myer, 80 Washington St, Apt 1, Chicago, IL, 3333

系统应该已将文件中的记录检测为现有记录 [因为姓氏是 Myers 和 Myer 并且因为名字完全匹配] 并更新地址，而是插入一个新的价值。

如何解决这个问题，即我想找到所有可以对数据库中现有记录执行匹配的记录？

Answer 1

这是一个很难解决的问题，如果您知道数据的来源，那么您可以尝试手动纠正数据输入的不同组合。

否则

您可以尝试语音数据清理解决方案

Answer 2

我能想到的一个解决方案是在 Oracle 中使用 Regex 来在一定程度上实现该功能。

对于每一列，我会在字符串长度的一半处生成正则表达式。例如，对于文件中的名称“Myer”和数据库中的名称“Myers”，以下查询将起作用：

SELECT Last_Name from Contacts WHERE (Last_Name IS NULL OR Regexp_Like(Last_Name, '^Mye?r?$'))

我会将此视为部分解决方案，因为我会解析输入字符串并开始将 none or only one 运算符从长度的一半附加到字符串的末尾，并希望输入字符串不会那么混乱。

希望从其他人那里找到一些关于这个“解决方案”的反馈。