Объединение таблиц по значениям, которые не соответствуют

Question

У меня есть две таблицы, как это:

Сводная таблица

ID int 
CityName Varchar(200) 
PopulationCount int 

Таблица данных

ID int 
CityName Varchar(200) 
PopulationCount int 
Longitude float 
Latitude float 

Сводная таблица 800 строк и DataTable имеет 800 000 строк. Каждое CityName в Сводной таблице содержится в таблице данных хотя бы один раз (и нередко несколько раз). Мне нужно создать новую таблицу для хранения каждого из 800 городов из сводной таблицы и их соответствующих широт/долгот из таблицы данных.

Проблема: поле CityName в сводной таблице не является точным совпадением с CityName в таблице данных. Есть небольшие отличия.

Sample Data: 
    Summary Table, CityName: Yarmouth (N.S.) 
    Data Table, CityName: Yarmouth 

Шаблон в выборочных данных выше, не всегда справедливо и то есть разница не всегда кронштейн поэтому я не вижу регулярные выражения и т.д. работает. Я предполагаю, что может существовать файл contains() или как% CityName%, но я не знаю, как правильно их реализовать.

Любая помощь будет принята с благодарностью ...

Answer 1

Использование «как» будет выглядеть примерно так:

select * 
from Summary s 
    join Data d on (s.CityName like '%' + d.CityName + '%') or (d.CityName like '%' + s.CityName + '%') 

Но, как вы сказали, что не может захватить все

Answer 2

Я нахожусь не уверен, что это будет лучший подход, но, учитывая, что это одноразовая работа, как вы подтвердили в комментарии, я бы определенно попробовал следующее:

1. Создать промежуточную таблицу CityNames с колоннами, как это:

   • StateCode (ваш код состояния),

   • CityNameVariant,

   • CityNameProper.

2. Заполняем первые две колонки со всеми различными комбинациями StateCode и CityName, найденных в обеих исходных таблиц.

3. Используя серию ручных обновлений, заполнить CityNameProper столбец с именами зачищенных от различных нерелевантных частей как (N.S.) или , N.S. и т.д., с тем чтобы получить единое унифицированное имя соответствия его различные версий, для каждого города.Таким образом, таблица будет содержать строки, как это:

   StateCode CityNameVariant CityNameProper 
   --------- --------------- -------------- 
   NS   Yarmouth (N.S.) Yarmouth 
   NS   Yarmouth   Yarmouth 
   NS   Yarmouth, N.S. Yarmouth 
   

   заявления Обновление может выглядеть следующим образом:

   UPDATE CityNames 
   SET CityNameProper = SUBSTRING(
       CityNameVariant, 
       1, 
       CHARINDEX('(', CityNameVariant) 
   ) 
   WHERE CityNameVariant LIKE '% (%)' 
   ; 
   UPDATE CityNames 
   SET CityNameProper = SUBSTRING(
       CityNameVariant, 
       1, 
       CHARINDEX(',', CityNameVariant) 
   ) 
   WHERE CityNameVariant LIKE '%, %' 
   ; 
   UPDATE CityNames 
   SET CityNameProper = SUBSTRING(CityNameVariant, …, …) 
   WHERE CityNameVariant LIKE '…' 
   ; 
   

4. Окончательный запрос сопоставления двух исходных таблиц будет выглядеть примерно так:

   WITH joined AS (
       SELECT 
       s.StateCode, 
       s.CityName, 
       d.PopulationCount, 
       d.Longitude, 
       d.Latitude, 
       rnk = ROW_NUMBER() OVER (
        PARTITION BY s.StateCode, s.CityName 
        ORDER BY d.Population /* or maybe ‘BY Longitude, Latitude’ 
              or ‘BY (SELECT 1)’, it may not matter 
              but in any event it's up to you */ 
       ) 
       FROM Summary s 
       INNER JOIN CityNames c ON s.StateCode = c.StateCode 
             AND s.CityName = c.CityNameVariant 
       INNER JOIN Data d  ON d.StateCode = c.StateCode 
             AND d.CityName = c.CotyNameProper 
   ) 
   --INSERT INTO SummaryWithData 
   SELECT 
       StateCode, 
       CityName, 
       PopulationCount, 
       Longitude, 
       Latitude 
   FROM joined 
   WHERE rnk = 1 
   

То есть сопоставить все города в Summary с этими i n Data и выберите для каждого в первом ряду из последнего.