关于字符串匹配的一些问题

limsim 2015-10-30 08:51:40

当初数据库的某张表的公司信息录入时不够规范，name字段出现了【广东省微生物所】和【广东微生物研究所】这样的相似公司名情况，而这两个公司又都有相关的委托单产生。
现在想对这些数据整理，想找出是否还有类似的名字相似，但实际上是同一家公司，可以合并为一个的该字段的数据，请教一下各位大神有什么好的方法建议一下。ORACLE刚刚上手，懂得不多，请多多指教！

...全文

345 8 打赏收藏举报

写回复

用AI写文章

8 条回复

切换为时间正序

请发表友善的回复…

发表回复

BenChiM888 2015-11-20

打赏
举报

关键字确定关键字模糊查询数据清洗

limsim 2015-11-18

打赏
举报

引用 6 楼 chengccy 的回复:

[quote=引用 5 楼 u013128938 的回复:] [quote=引用 4 楼 chengccy 的回复:] oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

引用 4 楼 chengccy 的回复:

oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

想找出是否还有类似的名字相似，但实际上是同一家公司，可以合并为一个的该字段的数据。这个函数好像是要已经知道这两个文本，才能进行匹配。我现在的情况是不知道这些字段，想找出来。[/quote] 这样的话只能写个procedure咯，先构建一个中间表A，然后用游标遍历业务表，用上面这个函数判断表A中是否存在相似度>X的记录，有就continue，没有就写入到表A，这样做的话会有点慢。[/quote] 可不可以提供一些相关的语句给我参考一下，谢谢！

limsim 2015-10-30

打赏
举报

引用 4 楼 chengccy 的回复:

oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

引用 4 楼 chengccy 的回复:

oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

想找出是否还有类似的名字相似，但实际上是同一家公司，可以合并为一个的该字段的数据。这个函数好像是要已经知道这两个文本，才能进行匹配。我现在的情况是不知道这些字段，想找出来。

chengccy 2015-10-30

打赏
举报

oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

beyon2008 2015-10-30

打赏
举报

根据实际数据的规则来梳理，多看下数据找出规则来，然后根据规则update

limsim 2015-10-30

打赏
举报

引用 1 楼 xu176032 的回复:

想要得到结果，就要从你的业务场景中梳理出来这些数据有什么共同点，比如你提供的这两条数据就可以用 like '广东省微生%'来提取，其他的相似数据，就需要你自己去总结有什么特点，然后才能提取处理。

这个表单里有接近10W条数据，里面可能有2,3W条是类似的，一个一个提取的话，很费时间精力...

xu176032 2015-10-30

打赏
举报

想要得到结果，就要从你的业务场景中梳理出来这些数据有什么共同点，比如你提供的这两条数据就可以用 like '广东省微生%'来提取，其他的相似数据，就需要你自己去总结有什么特点，然后才能提取处理。

chengccy 2015-10-30

打赏
举报

引用 5 楼 u013128938 的回复:

[quote=引用 4 楼 chengccy 的回复:] oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

引用 4 楼 chengccy 的回复:

oracle 10g 可以使用UTL_MATCH.EDIT_DISTANCE_SIMILARIT 函数来获取2个文本的相似度；参考oracle官方文档：http://docs.oracle.com/cd/E14072_01/appdev.112/e10577/u_match.htm#CHDGDIDJ

Problem D Search Time Limit: 1000ms, Memory Limit:64MB Description When we search for something on internet, we always use two characters “” and “?”. ”” represents 0 or more lowercase letters，”?” r

字符串匹配问题：题目描述字符串中只含有括号 (),[],<>,{},判断输入的字符串中括号是否匹配。如果括号有互相包含的形式，从内到外必须是<>,(),[],{}，例如。输入: [()] 输出:YES，而输入([])， ([])都应该输出NO。输入文件的第一行为一个整数n，表示以下有多少个由括好组成的字符串。接下来的n行，每行都是一个由括号组成的长度不超过255的字符串。输出在输出文件中有N行，每行都是YES或NO。样例输入 5 {}{}<><>

KMP算法之字符串匹配问题

字符串匹配问题是面试的高频问题之一，本文讲字符串和它的相关操作。 1. 字符串是什么字符串（string）是由 n 个字符组成的一个有序整体（ n >= 0 ）。例如，s = “BEIJING” ，s 代表这个串的串名，BEIJING 是串的值。这里的双引号不是串的值，作用只是为了将串和其他结构区分开。字符串的逻辑结构和线性表很相似，不同之处在于字符串针对的是字符集，也就是字符串中的元素都是字符，线性表则没有这些限制。在实际操作中，我们经常会用到一些特殊的字符串： s = ""; // 表示空

本文介绍了KMP算法及其变种在字符串处理中的应用。主要内容包括：1)KMP算法的基本实现，用于模式匹配；2)KMP在多个字符串匹配、通配符匹配、树形结构匹配等场景的扩展应用；3)字典树(Trie)的实现及其在字符串检索、前缀匹配、异或计算等问题中的应用；4)字符串哈希技术在回文判断等场景的使用。文章通过多个LeetCode例题展示了这些算法在实际问题中的解决方案，涵盖了字符串处理中的常见操作和优化技巧。