Question

我正在尝试链接两个具有匹配字段的表，但字段的值不是相同的格式。例如，匹配字段名称是“序列ID”，并且一个表中的值可以是“134A-AC65”，但是另一个表中的值可以是“134A_AC65”或任何其他字符组合。问题是数据库表没有设置任何类型的约束，并且数据是由在现场操作的最终用户手动输入的，因此输入的准确性是有问题的。到目前为止，我已经找到了两个表中存在的匹配值，所以我知道表可以链接，但我需要知道是否有其他匹配值，但由于数据输入不佳，目前可能无法匹配。有任何想法吗？谢谢。

Answer 1

值似乎包含＆＃34;数据＆＃34;和＆＃34;分隔符＆＃34;。这里成功的关键是知道所有分隔符是什么。

create table table_1 (
  serial_id varchar(15) primary key
);
insert into table_1 values ('134A-AC65');
insert into table_1 values ('232A/AC65');
insert into table_1 values ('333:A:AC65');

create table table_2 (
  serial_id varchar(15) primary key
);
insert into table_2 values ('134A_AC65');
insert into table_2 values ('232A_AC65');
insert into table_2 values ('333|A|AC65');

五种不同的分隔符，＆＃39; - ＆＃39;，＆＃39; _＆＃39;，＆＃39;：＆＃39;，＆＃39; |＆＃39;，＆＃39; /＆＃39 ;. 我只是用空格替换它们以便加入。

select table_1.serial_id, table_2.serial_id 
from table_1
inner join table_2 
    on translate(table_1.serial_id, '-_:|/', '     ') = translate(table_2.serial_id, '-_:|/', '     ');

这就是PostgreSQL执行连接的方式。（Oracle translate()类似。）

134A-AC65    134A_AC65
232A/AC65    232A_AC65
333:A:AC65   333|A|AC65

通常，这是您要修复的数据错误，因为表达式上的连接往往很慢（ish）。这样做的方法不止一种。您可以就地更新值。您可以为每个表添加一列，使用＆＃34;右键＆＃34;更新该列。 serial_id的值，并加入新列。（清理任务由读者完成。）

Answer 2

您应该为每个表添加CanonicalID列。然后编写一个查询以从每个表中的CanonicalID值设置SerialID。设置完所有CanonicalID值后，可以根据这些列执行连接。像这样：

create table t1 (
    serialid varchar(50),
    ...other columns...
);

alter table t1
add column canonicalid varchar(50);

update table t1
set canonicalid = upper(replace(serialid, '_', '-'));  
/* This might need to be more complex, depending on the kind of problems
you have in the serialid field */

...与表t2

做同样的事情

现在您可以加入t1.canonicalid = t2.canonicalid

如果没有完整性约束，如何链接两个数据库表

2 个答案: