将列表中的项目与自己匹配以获得半唯一性

Question

我真的只是想找一种工具来检查一列数据中重复的近似值。例如，假设我有一列地址数据：

• 113 James Way
• 3448 Harlon Circle
• 5888 Murray Rd
• 3448 Harlon Cr。

在这种情况下，条目2和4将非常接近唯一，我想要某种工具，无论是excel还是独立，如果行被复制或大致重复，它会通知我。我不知道如何搜索这样的东西。我尝试搜索模糊匹配工具等，但没有什么是我需要的。谢谢，

Answer 1

有几种方法可以解决

一种简单的方法是编写Levenshtein function来比较这些相互关联的内容并突出显示低值

假设您具有以下数据设置

原始示例

Sub FindClosestMatch()
Range("B3").Select
Dim mystrings()
 Range("B3").Select
 Range(Selection, Selection.End(xlDown)).Select
 mystrings = Selection.Value

i = 0
Dim string1 As String, string2 As String
 Range("C3").Select
For i = LBound(mystrings) To UBound(mystrings)
    string1 = mystrings(i, 1)
    For j = 1 To 4
    string2 = mystrings(j, 1)
    ActiveCell.Value = Levenshtein(string1, string2)
    ActiveCell.Offset(0, 1).Select
    Next
    Range("c3").Offset(i, 0).Select

Next
End Sub

如何阅读值

例如113 James Way 0 15 13 12表示该字符串的分数为

• 0（完全匹配）自身
• 15 with 3448 Harlon Circle
• 13 5888 Murray Rd
• 12 with 3448 Harlon Cr。

等

宏只是将每个地址与其他地址进行比较，并找到Levenshtein距离

它们最接近匹配的数字越低，当它与自身相比时，显然0完全匹配

此宏假设您已将Levenshtein function复制到VBA模块

Answer 2

这实际上取决于你需要它的准确程度以及你希望它捕获的匹配类型。如果你想捕捉拼写错误，那就更难了。但是如果你主要想要抓住St vs Street，你可以在左边做一个vlookup（地址，＃）或其他东西。可能必须玩＃以获得良好的反应。 ＃需要高于街道号码中的位数（4/5？），但要小到可以捕捉到1干燥的数字。我猜7-8。

基本上，您的地址位于A列（假设从A2开始，带有标题）。 B栏说=左（a2,8） A2显然是独一无二的，因为它是第一个。 从C3开始使用= vlookup（左（a3,8），$ B $ 2：B2,1,0）

它将为所有唯一条目和重复的地址打印错误。为了使它更干净，你可以添加一个if（iserror（）） = if（iserror（vlookup（左（a3,8），$ B $ 2：B2,1,0），“”，vlookup（左（a3,8），$ B $ 2：B2,1,0））