如何将列对值的并集转换为线性表？

时间：2011-09-20 20:37:57

标签： sql-server sql-server-2005 tsql

问题

我们有一个重复客户编号表：

A varchar(16) NOT NULL,
B varchar(16) NOT NULL

这些列以旧的和新的（删除和保留）开始，但是转移到两者都不是首选的。这些列实际上只是“A”和“B” - 同一客户的两个数字，任何顺序。

此外，该表可以为同一客户提供任意数量的对。你可能会看到像

这样的行 
a,b
b,c

意思是a，b，c都是针对同一个客户的。您可能还会看到

之类的行 
a,b
b,a
c,a

意思是a，b，c都是同一个客户。

不一个干净的非循环表示，如“旧”和“新”值。客户的客户ID列表在此表中以一行或多行的块表示，其中唯一的连接是一行中A或B列的值可能显示在其他行的A或B列中。我的任务是将它们全部组合到每个客户的列表中。

我想把这个烂摊子改成像

这样的东西 
MasterKey int NOT NULL,
CustNum varchar(16) NOT NULL UNIQUE,
PRIMARY KEY( MasterKey, CustNum )

客户的一个或多个号码将共享此表中的MasterKey。正如UNIQUE约束所说，给定的CustNum不能出现多次。

例如，原始

中的行就像这样 
1a,1b
1b,1c
2a,2b
2b,2c
2d,2a
...

应该在新表中以这样的行结束

1 1a
1 1b
1 1c
2 2a
2 2b
2 2c
2 2d
...

编辑：上面的值只是为了使模式清晰。实际的客户编号值是任意varchar s。

我尝试过的解决方案

这感觉就像递归的工作，因此是一个CTE。但源数据的潜在循环性质使我很难得到锚案例。我试图将它预先清理成更多的非循环形式，但我似乎仍然无法做到这一点。

我也顽固地尝试将其作为基于集合的SQL操作，而不是诉诸游标和循环。但也许那是不可能的。

我花了8个小时思考这个并尝试不同的方法，但它一直在滑落。关于正确方法的任何想法或建议，甚至是一些示例代码？

6 个答案:

答案 0 :(得分：1)

给出输入数据：

a,b
b,c
d,e
e,f
g,d

我会添加两个新表，一个包含pk值，另一个包含pk和重复值与pks的一对多关系，如下所示：

pk
a
b
c
d
e
f
g


pk dup
a   b   
b   a
b   c
c   b   
d   e
e   d
e   f
f   e   
g   d
d   g
pk / dup表中的

行由输入文件填充，其中pks和duplicates插入（pk，dup）序列和（dup，pk）序列。

这可以让你获得密钥和重复之间的第一组关系，但是你需要再次遍历这个集合以获得间接关系，比如'c是'和'的重复'

您可以通过自行加入pkdup1.dup = pkdup2.pk上的pk / dup表来获得这些关系。这将行（a，b）与行（b，a）和（b，c）连接起来，允许您识别关系（a，c）。它也会拾取（d，f）（f，d）（g，e）。你需要重复迭代来拾取（g，f）

HTH

答案 1 :(得分：1)

我认为你必须做一些循环。在这里，我一次看一行，以确保我获得属于单个masterkey的所有链式值。

while (1=1)
begin

    -- get the next key that is not inserted yet as MasterKey or key
    select top 1 @masterKey = a
    from myTable 
    where not exists (select 1
        from #temp
        where #temp.MasterKey = myTable.a
        or #temp.Key = myTable.a)

    if(@masterKey is null) -- out of a's so now work the b's
        select top 1 @masterKey = b
        from myTable 
        where not exists (select 1
            from #temp
            where #temp.MasterKey = myTable.b
            or #temp.Key = myTable.b)

    if(@masterKey is null) -- totally done.
        break

    insert into #temp
    (masterKey, key)
    values(@masterKey, @masterKey)


    while (1=1) -- now insert anything new with this masterKey in a
    begin
        insert into #temp
        select top 1 @masterKey, myTable.b
        from myTable
        where myTable.a = @masterKey
        not exists (select 1
        from #temp
        where #temp.MasterKey = myTable.b
        or #temp.Key = myTable.b))

        if @@rowcount < 1
            break
    end 


    while (1=1) -- now insert anything with this masterKey in b
    begin
        insert into #temp
        select top 1 @masterKey, myTable.a
        from myTable
        where myTable.b = @masterKey
        not exists (select 1
        from #temp
        where #temp.MasterKey = myTable.a
        or #temp.Key = myTable.a))

        if @@rowcount < 1
            break

    end 

end

你实际上必须将2个插入部分包装到另一个循环中以确保在获得下一个masterKey之前它已经耗尽，但是你明白了。

答案 2 :(得分：0)

看起来像工作的工作给我。下面的代码假设您不能在同一记录中使用1a，2b。

create table #temp（a varchar（10），b varchar（10））

insert into #temp
values ('1a', '1b')
,('1b', '1c')
,('2a', '2b')
,('2b', '2c')
,('2d', '2a')

select * from #temp

select a, b, left (a, 1) as id into #temp2 from #temp

select id, a from #temp2 
union 
select id, b from #temp2

答案 3 :(得分：0)

找到密钥的模式是什么？如果它只是字符串中的第一个数字，那么这将把它拉出来：

select substring('FOO12',patindex('%[0-9]%','FOO12'),100)

如果它以数字开头，则会将其拉出来：

select substring('12FOO',1,patindex('%[A-Z]%','12FOO')-1)

两者都返回12。

答案 4 :(得分：0)

根据评论中的一些示例数据，我认为这应该可以解决问题吗？

CREATE TABLE #sample
(A NVARCHAR(50)
,B NVARCHAR(50))

INSERT INTO #sample VALUES('FOO12','12DEF')
INSERT INTO #sample VALUES('12GHJ','12ABC')
INSERT INTO #sample VALUES('GURGLE721','GURGLZ721')
INSERT INTO #sample VALUES('word21','book721')
INSERT INTO #sample VALUES('orange21','apple21')

;WITH CTE as
(
SELECT A
,PATINDEX('%[A-Za-z]%',A) as text_start
,PATINDEX('%[0-9]%',A) as num_start
FROM #sample
UNION ALL
SELECT B
,PATINDEX('%[A-Za-z]%',B) as text_start
,PATINDEX('%[0-9]%',B) as num_start
FROM #sample
)
,cte2 AS
(
SELECT
*
,CASE WHEN text_start > num_start --Letters after numbers
    THEN SUBSTRING(A,text_start - num_start + 1,99999)
    WHEN text_start = 1 --Letters at start of string
    THEN SUBSTRING(A,1,num_start - 1)
    END AS letters
,CASE WHEN num_start > text_start --Numbers after letters
    THEN SUBSTRING(A,num_start - text_start + 1,99999)
    WHEN num_start = 1 --Numbers at start of string
    THEN SUBSTRING(A,1,text_start- 1)
    END AS numbers
FROM cte
)
SELECT DISTINCT
DENSE_RANK() OVER (ORDER BY numbers ASC) as group_num
,numbers + letters as cust_details
FROM cte2
ORDER BY numbers + letters asc

答案 5 :(得分：0)

我要做一些我以前没做过的事情，然后发一个答案 我自己的问题。我需要对Beth和JBrooks表示衷心的感谢 让我朝着正确的方向前进我真的想解决这个问题 以基于集合的声明方式。也许这仍然可以使用 CTE和递归。但是，一旦我投降并说它可以 这是必要的和迭代的，这样做要容易得多。

无论如何，根据我的问题给出这个目标表：

CREATE TABLE UniqueCustomers
(
    uid     int NOT NULL,
    gpid    varchar(16) NOT NULL UNIQUE, -- Important: UNIQUE to disallow duplicates
    PRIMARY KEY( uid, gpid ) -- Important: Disallow duplicates
)

我提出了以下存储过程。它可以在什么时候调用 据报道，新的骗局逐一报道。它也可以在循环中调用 在遗留表中以随机方式存储dupes作为对 顺序。

CREATE PROCEDURE ReportDuplicateCustomerIDs
(
    @id1 varchar(16),
    @id2 varchar(16)
)
AS
BEGIN
    IF @id1 <> @id2
    BEGIN
        -- Retrieve the uid (if any) for each of the ids
        DECLARE @uid1 int
        SELECT @uid1 = NULL
        SELECT @uid1 = uid FROM UniqueCustomers WHERE gpid = @id1

        DECLARE @uid2 int
        SELECT @uid2 = NULL
        SELECT @uid2 = uid FROM UniqueCustomers WHERE gpid = @id2

        -- If we've seen NEITHER of the id's yet
        IF @uid1 IS NULL AND @uid2 IS NULL
        BEGIN
            -- Add both of them using a brand-new uid
            DECLARE @uidNew int
            SELECT @uidNew = Max(uid) + 1 FROM UniqueCustomers
            IF @uidNew IS NULL
                SET @uidNew = 0
            INSERT INTO UniqueCustomers VALUES( @uidNew, @id1 )
            INSERT INTO UniqueCustomers VALUES( @uidNew, @id2 )
        END
        ELSE
        BEGIN
            -- If we've seen BOTH id's already
            IF @uid1 IS NOT NULL AND @uid2 IS NOT NULL
            BEGIN
                -- If this pair bridges two existing chains.
                IF @uid1 <> @uid2
                BEGIN
                    -- Update everything using uid2 to use uid1 instead.
                    -- Consolidates the two dupe chains into one.
                    UPDATE UniqueCustomers SET uid = @uid1 WHERE uid = @uid2
                END
                -- ELSE nothing to do
            END
            ELSE
                -- If we've seen only id1, then insert id2 using
                -- the same uid that id1 is already using
                IF @uid1 IS NOT NULL
                    INSERT INTO UniqueCustomers VALUES( @uid1, @id2 )
                -- If we've seen only id2, then insert id1 using
                -- the same uid that id2 is already using
                ELSE -- @uid2 IS NOT NULL
                    INSERT INTO UniqueCustomers VALUES( @uid2, @id1 )
        END
    END
END
GO
相关问题
最新问题