Найти подходящие записи с наименьшим количеством символов из Pattern - Oracle / Java

Question

В веб-приложении, с которым я сейчас работаю, есть логика импорта файлов. Логика

1> читает записи из файла [excel или txt],
2> показывает недоступную для редактирования сетку всех импортированных записей [Новые записи помечаются как Новые, если их нет в базе данных, а существующие записи помечаются как Обновление] и
3> сбрасывает записи в базу данных.

файл, содержащий в файле контакты следующего формата (зеркально отображает столбцы базы данных с первичными ключами First_Name, Last_Name):

First_Name, Last_Name, AddressLine1, AddressLine2, City, State, Zipcode

Проблема, с которой мы сталкиваемся, заключается в том, что в файл вводятся разные значения для одной и той же сущности. Например, кто-то может напечатать NY для New York, а кто-то - в Нью-Йорке. То же самое относится к имени или фамилии ex. Джон Майерс и Джон Майер ссылаются на одного и того же человека, но поскольку запись не совпадает точно, она вставляет запись, а не использует ее для обновления.

Пример, для записи из файла ( Обратите внимание, что использование имени и адреса чисто случайно:) ):

John, Myers, 44 Chestnut Hill, Apt 5, Indiana, Indiana, 11111

и запись в базе данных:

John, Myer, 80 Washington St, Apt 1, Chicago, IL, 3333

система должна была обнаружить запись в файле как существующую запись [из-за фамилии Myers и Myer и так как имя полностью совпадает] и выполнить обновление адреса, а вместо этого вставить новую значение.

Как я могу подойти к этой проблеме, когда я хотел бы найти все записи, которые будут выполнять сопоставление существующих записей в базе данных?

Answer 1

Одним из решений, которое я мог бы придумать, является использование Regex в Oracle для достижения функциональности в некоторой степени.

Для каждого столбца я бы сгенерировал выражение Regex на половине длины строки.Например, для имени «Myer» в файле и «Myers» в базе данных будет работать следующий запрос:

SELECT Last_Name from Contacts WHERE (Last_Name IS NULL OR Regexp_Like(Last_Name, '^Mye?r?$'))

Я бы рассмотрел это как частичное решение, потому что я быпроанализируйте входную строку и начните добавлять оператор none or only one от половины длины до конца строки и надеяться, что входная строка не так запуталась.

Надеемся найти отзывы других пользователей о SO для этого "решения".

Answer 2

Это очень сложная проблема, если вы знаете источники ваших данных, то вы можете попытаться вручную исправить различные комбинации ввода данных.

Остальное

Вы можете попробовать решения для очистки фонетических данных