Question

想象一下，我有这张桌子：

declare @tmpResults table ( intItemId int, strTitle nvarchar(100), intWeight float )

insert into @tmpResults values (1, 'Item One', 7)
insert into @tmpResults values (2, 'Item One v1', 6)
insert into @tmpResults values (3, 'Item Two', 6)
insert into @tmpResults values (4, 'Item Two v1', 7)

一个函数，我们称之为fn_Lev，它接受两个字符串，将它们相互比较，并将它们之间的差异数作为整数（即Levenshtein距离）返回。

查询该表的最有效方法是什么，检查每个strTitle对表中所有其他strTitle的fn_Lev值，并且删除行彼此相似Levenshtein距离为3，更喜欢保持更高的intWeights？< / p>

所以在删除之后，@ tmpResults应该包含

1   Item One    7
4   Item Two v1 7

我可以想办法做到这一点，但没有什么不是非常缓慢（即迭代）。我确定有更快的方法吗？

干杯，马特

Answer 1

如果我理解正确，您可以使用交叉连接

SELECT t1.intItemId AS Id1, t2.intItemId AS Id2,  fn_Lev(t1.strTitle, t2.strTitle) AS Lev
FROM @tmpResults AS t1
CROSS JOIN @tmpResults AS t2

交叉连接将为您提供连接左侧和右侧之间的每个行组合的结果（因此它不需要任何ON子句，因为它将所有内容与其他所有内容进行匹配）。然后，您可以使用SELECT的结果来选择要删除的内容。

Answer 2

SELECT strvalue= CASE 
                WHEN t1.intweight >= t2.intweight THEN t1.strtitle 
                ELSE t2.strtitle 
              END, 
       dist = Fn_lev(t1.strtitle, t2.strtitle) 
FROM   @tmpResults AS t1 
       INNER JOIN @tmpResults AS t2 
         ON t1.intitemid < t2.intitemid 
WHERE  Fn_lev(t1.strtitle, t2.strtitle) = 3

这将执行仅与每行匹配一次的自联接。它将排除自身匹配或前一匹配的反向，即如果A＆lt; - ＆gt; B是匹配，则B＆lt; - ＆gt; A不匹配。

case语句选择最高加权结果

检查SQL Server表值对自己

2 个答案: