Устранить строки с именами, которые немного отличаются

Question

У меня в POSTGRESQL есть база данных с UUID, именем (fname) и телефоном

  uuid  fname             phone        
    1   JOHN               111
    2   john               111
    3   John               111
    4   JOHN JAMES         111
    5   Charles            222
    6   Peter              222
    7   James              222
    8   Jimmy              222
    9   Fred               333
    10  Fred               333
    11  Greg               333

Я хотел бы сохранить только групповой телефон + имя, которое имеет сходство как минимум между двумя именами.Так, например, в этом случае я хотел бы сохранить телефон 111 и одно из имен и телефон 333, сохраняя имя, которое повторяется (Фред).Телефон 222 будет исключен, так как все имена не похожи.

Полученные данные будут

      fname         phone        
   John               111
   Fred               333

Проблема, с которой я сталкиваюсь, заключается в том, что имя похожее, но у него больше имен (как у Иоанна и Джона-Джеймса или когда имя было опечатано, как у Иоанна и Иоанна).Я пытался сделать следующее

SELECT
    m1.phone,
    m1.fname, 
    m1.uuid
FROM
    master as m1 
    JOIN master as m2 on m1.uuid = m2.uuid
WHERE
    m1.phone = m2.phone 
    and m1.fname ILIKE m2.fname
ORDER BY 1 

Answer 1

Определение подобия немного расплывчато, но это работает для данных, которые у вас есть в вопросе:

select m.*
from master m
where exists (select 1
              from master m2
              where m2.phone = m.phone and m2.uuid <> m.uuid and
                    (m.fname ilike '%' || m2.fname || '%' or
                     m2.fname ilike '%' || m.fname || '%'
                    )
             );

Здесь - реекстер.

Сопоставление имен - сложная задача, которая плохо подходит для SQL.Однако вам может потребоваться изучить расстояние Левенштейна и другие метрики сходства строк, если вы столкнулись с этой проблемой.

Примечание. При этом сохраняются все совпадающие имена.Если вам нужна только одна строка для phone, вы можете использовать distinct on.