Question

我有一个数据库，用于记录电视节目的客人以及他们出现的剧集。主要是我有三张桌子：

访客（姓名，身份证）

剧集（日期，主题，ID）

EpisodeGuest（Episode ID，GuestID）

然而，经过检查，我发现许多客人被记录了几次，其名称的拼写略有不同。当我从网站上看到客人的样子时，这有点不可控制。

示例：

Peter N. Larsson

Peter N Larsson

Peter N. Larson

现在，这些名称被记录为具有多个外观的多个来宾。如何在不手动操作的情况下将这些合并为同一个人？客人输入姓氏和姓氏，所以在所有情况下，比方说，两个名称之间只有3个字符不同，其安全（足够）说它是同一个客人。

最好的方法是将其合并以通过每个名称，在3个字符内搜索远程相似的内容，并通过编辑EpisodeGuest表进行合并吗？

Answer 1

评论太长了。

Postgres有一个名为fuzzystrmatch的模块。该模块包含可以提供帮助的功能。我倾向于建议Levenshtein距离，但你可能会发现模块中的其他功能对你有效。

我会告诫你这个方法。首先，两个名字看起来非常相似的事实并不意味着他们是同一个人。其次，您需要手动检查结果。

然而，这个想法是让候选人使用这样的东西：

select t.name, t2.name
from t join
     t2
     on levenshtein(t.name, t2.name) < 4 and -- arbitrary number
        t.name <> t2.name;