Объединение таблиц со значениями, которые не совпадают

Question

У меня есть две таблицы, подобные этой:

Сводная таблица

ID int
CityName Varchar(200)
PopulationCount int

Таблица данных

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

Сводная таблица содержит 800 строк, а DataTable содержит 800 000 строк. Каждое название CityName в сводной таблице содержится в таблице данных как минимум один раз (и довольно часто 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 в том, что поле CityName в сводной таблице не точно соответствует CityName в таблице данных. Есть небольшие различия.

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

Шаблон в приведенных выше примерах данных не всегда верен, т. Е. Разница не всегда в скобках, поэтому я не вижу регулярных выражений и т. Д. Я полагаю, что функции метода empty () или «% CityName%» могут работать, но я не знаю, как правильно их реализовать.

Любая помощь будет принята с благодарностью ...

Answer 1

Я не уверен, что это будет лучшим подходом, но, учитывая, что это одноразовая работа, как вы подтвердили в комментарии, я обязательно попробую следующее:

1. Создайте промежуточную таблицу CityNames с такими столбцами:

   • StateCode (код вашего штата),

   • CityNameVariant,

   • CityNameProper.

2. Заполните первые два столбца всеми различными комбинациями StateCode и CityName найдено в обеих исходных таблицах.

3. Используя серию ручных обновлений, заполните столбец CityNameProper именами, удаленными из различных не относящихся к делу частей, таких как (N.S.) или , N.S.и т.д., чтобы получить одно унифицированное имя, соответствующее его различным версиям, для каждого города.Таким образом, таблица будет содержать строки, подобные этой:

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

   Операторы обновления могут 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, соответствующий двум исходным таблицам, будетвыглядит 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 сопоставьте все города в Summary с городами в Data и выберите для каждого в первом ряду один из последних.

Answer 2

Использование «как» выглядело бы 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, это может не охватить все