匹配模糊字符串

我有两个表需要在 PostgreSQL 中的公共变量“公司名称”上合并在一起。不幸的是，许多公司名称并不完全匹配（即一张表中为 MICROSOFT，另一张表中为 MICROSFT）。我尝试从两列中删除常用词，例如“corporation”或“inc”或“ltd”，以便尝试标准化两个表中的名称，但我无法考虑其他策略。有任何想法吗？

Thanks.

另外，如果有必要，我可以在 R 中执行此操作。

您考虑过 fuzzystrmatch 模块吗？您可以使用soundex, difference, levenshtein, metaphone and dmetaphone，或组合。

模糊匹配文档 http://www.postgresql.org/docs/8.3/static/fuzzystrmatch.html

SELECT something
FROM somewhere
WHERE levenshtein(item1, item2) < Carefully_Selected_Threshold

例如，编辑距离微软 to MICROSFT是一 (1)。

levenshtein(dmetaphone('MICROSOFT'), dmetaphone('MICROSFT')

以上返回零 (0)。结合使用 levenshtein 和 dmetaphone 可以帮助您匹配大量拼写错误。