到目前为止，我在做：
SELECT c.name, COUNT(*)
FROM companies c
group by c.name
HAVING COUNT(*) >1;但很明显，这不允许我找到类似但不完全相同名称的公司。我怎么找到这个？
例如，相同的名称是：
Walmart Inc.
Walmart Inc.不同的名称是：
Walmart Inc.
Walmart, Inc
Walmart
Walmart Incorporated etc.尽管名称不同，但这些公司应被认定为相同的公司。
1条答案
按热度按时间du7egjpx1#
这通常称为模糊搜索，是一个与全文搜索相关的概念。你的问题是你把分组添加到了问题中。
所以对于您的特定示例，您需要创建一个包含所有形式的文本的中间表，以便Map回单个可分组实体（外键）。
如果你只是想搜索所有形式的沃尔玛，你可以使用
like '%Walmart%'或者where contains(name, "Walmart")等等，这取决于你的sql风格。但这些都是简单的搜索where子句。您试图按所有已知的变体进行分组，这意味着您必须首先标识表中的所有已知变体，然后Map到单个确定性Map键或值。做一个快速的google搜索可以给出这个演练的一个例子。
如果你只关心沃尔玛，你可能会逃脱一个复杂的cte，把所有形式的沃尔玛成一个单一的关键飞行。。。但我猜你桌上的东西要比那些有各种形式的东西多得多。
故事的寓意。。。这是由于前期的数据质量/数据管理较差导致的结果，而这类工作最终会导致您不得不支付后期的费用。