Лучший подход к исправлению столбца с различными написаниями в mysql

Question

У меня есть таблица с колонкой, в которой есть данные с орфографическими ошибками. Например: apple, appl, aple bana, banana, banna cat, cot, cta

Я бы хотел исправить все ошибки в написании одного и того же кода. Есть тысячи строк. Как лучше всего решить эту проблему, когда мне не придется обновлять каждую орфографическую ошибку вручную? Я добавил статус правильно 'Y' для правильных.

Answer 1

Вот мысль, используя SOUNDEX. SOUNDEX действительно паршивая функция и, конечно, не панацея, но она может уменьшить набор данных, содержащий тысячи ошибок, до набора данных, содержащего сотни ошибок.

В остальном мы можем Посмотрите на такие вещи, как расстояние Левенштейна, но, в конечном счете, вам понадобится ручной подход в некоторой степени ...

DROP TABLE IF EXISTS bad_data;

CREATE TABLE bad_data
(id SERIAL PRIMARY KEY
,string VARCHAR(12) NOT NULL
);

INSERT INTO bad_data (string) VALUES
('apple'), 
('appl'), 
('aple'),
('bana'),
('banana'), 
('banna'),
('cat'),
('cot'), 
('cta');

DROP TABLE IF EXISTS good_data;

CREATE TABLE good_data
(id SERIAL PRIMARY KEY
,string VARCHAR(12) NOT NULL UNIQUE
);

INSERT INTO good_data(string) VALUES
('apple'), 
('banana'), 
('cat');

SELECT * 
  FROM bad_data x 
  JOIN good_data y ON SOUNDEX(x.string) = SOUNDEX(y.string);
+----+--------+------+--------+
| id | string | id   | string |
+----+--------+------+--------+
|  1 | apple  |    1 | apple  |
|  2 | appl   |    1 | apple  |
|  3 | aple   |    1 | apple  |
|  4 | bana   |    2 | banana |
|  5 | banana |    2 | banana |
|  6 | banna  |    2 | banana |
|  7 | cat    |    3 | cat    |
|  8 | cot    |    3 | cat    |
|  9 | cta    |    3 | cat    |
+----+--------+------+--------+