SQL - 列中的类似数据

Question

有什么方法可以在列中找到类似的结果。例如：

我想从表中的数据，而不4绿树查询回报，因为没有类似的数据，以绿色的树，但蓝色轿车相似，蓝色的轿车和红色娃娃相似，红色小车。

如何做到这一点？

我使用Microsoft SQL Server同治工作室

Answer 1

你可以使用SOUNDEX做到这一点。

样本数据;

CREATE TABLE #SampleData (Column1 int, Column2 varchar(10)) 
INSERT INTO #SampleData (Column1, Column2) 
VALUES 
(1,'blue car') 
,(2,'red doll') 
,(3,'blue cars') 
,(4,'green tree') 
,(5,'red dolly') 

下面的代码将使用soundex在column2创建类似的条目列表。然后它使用不同的子查询来查看该字段出现的次数。

SELECT 
a.GroupingField 
,a.Title 
,b.SimilarFields 
FROM (
     SELECT 
     SOUNDEX(Column2) GroupingField 
     ,MAX(Column2) Title --Just return a unique title for this soundex group 
     FROM #SampleData 
     GROUP BY SOUNDEX(Column2) 
    ) a 
LEFT JOIN (
       SELECT 
       SOUNDEX(Column2) GroupingField 
       ,COUNT(Column2) SimilarFields --How many fields are in the soundex group? 
       FROM #SampleData 
       GROUP BY SOUNDEX(Column2) 
      ) b 
ON a.GroupingField = b.GroupingField 
WHERE b.SimilarFields > 1 

结果是这样的（我已经离开了soundex领域中向你展示它是什么样子）;

GroupingField Title  SimilarFields 
B400   blue cars 2 
R300   red dolly 2 

上soundexhttps://msdn.microsoft.com/en-gb/library/ms187384.aspx

编辑一些进一步阅读：根据您的要求，让你不妨推到一个临时表的原始数据，更改查询我给你把一个INTO之前FROM声明;

SELECT 
a.GroupingField 
,a.Title 
,b.SimilarFields 
INTO #Duplicates 
FROM (
     SELECT 
     SOUNDEX(Column2) GroupingField 
     ,MAX(Column2) Title --Just return a unique title for this soundex group 
     FROM #SampleData 
     GROUP BY SOUNDEX(Column2) 
    ) a 
LEFT JOIN (
       SELECT 
       SOUNDEX(Column2) GroupingField 
       ,COUNT(Column2) SimilarFields --How many fields are in the soundex group? 
       FROM #SampleData 
       GROUP BY SOUNDEX(Column2) 
      ) b 
ON a.GroupingField = b.GroupingField 
WHERE b.SimilarFields > 1 

然后使用以下查询链接回您的原始数据;

SELECT 
a.GroupingField 
,a.Title 
,a.SimilarFields 
,b.Column1 
,b.Column2 
FROM #Duplicates a 
JOIN #SampleData b 
ON a.GroupingField = SOUNDEX(b.Column2) 
ORDER BY a.GroupingField 

会给出以下结果;

GroupingField Title  SimilarFields Column1  Column2 
B400   blue cars 2    1   blue car 
B400   blue cars 2    3   blue cars 
R300   red dolly 2    5   red dolly 
R300   red dolly 2    2   red doll 

记住

DROP TABLE #Differences 

Answer 2

由于雀鳝理所当然地评论说，你必须定义什么叫“相似性”的意思。 但是，如果你需要的是（在你的例子8）相同字符的只是一些固定的号码，你可以做到以下几点：

create table myTest 
(
    id int, 
    name varchar(20) 
); 

insert into myTest values(1, 'blue car'); 
insert into myTest values(2, 'red doll'); 
insert into myTest values(3, 'blue cars'); 
insert into myTest values(4, 'green tree'); 
insert into myTest values(5, 'red dolly'); 

select left(name,8), count(*) 
from myTest 
group by left(name,8) 
having count(*) > 1; 

Answer 3

这种方法使用相似的一个非常基本的概念，但可以扩展到一个更好的定义。这不是很有效率，请介意。 count(1) + 1包含基本短语。

create table phrases (phrase varchar(max)) 
insert phrases values('blue car'), ('blue cars'), ('green tree'), ('red doll'), ('red dolly') 

create function dbo.fnSimilar(@s1 varchar(max), @s2 varchar(max)) 
returns int 
begin 
    if @s1 = @s2 return 0 -- a phrase is not similar to itself 
    if @s1 like @s2 + '%' return 1 
    if @s2 like @s1 + '%' return 2 
    return 0 
end 

select x.phrase, similar = count(1) + 1 from 
(
    select p1.phrase from phrases p1 
    inner join phrases p2 on dbo.fnSimilar(p2.phrase, p1.phrase) = 1 
) x 
group by x.phrase 

结果：

phrase  similar 
-------- ------- 
blue car 2 
red doll 2