在公用变量“公司名称”上，我有两个需要在PostgreSQL中合并在一起的表。不幸的是，许多公司名称不完全匹配(即，一个表中为MICROSOFT，另一表中为MICROSFT)。我试图从两列中删除常用词，例如“corporate”或“inc”或“ltd”，以便在两个表中标准化名称，但是我在考虑其他策略时遇到了麻烦。有任何想法吗？
谢谢。
另外，如有必要，我可以在R中执行此操作。
最佳答案
您是否考虑过Fuzzystrmatch模块？您可以使用soundex，difference，levenshtein，metaphone和dmetaphone或它们的组合。
fuzzystrmatch documentation
SELECT something
FROM somewhere
WHERE levenshtein(item1, item2) < Carefully_Selected_Threshold
例如，从 MICROSOFT 到 MICROSFT 的levenshtein距离为一(1)。
levenshtein(dmetaphone('MICROSOFT'), dmetaphone('MICROSFT')
上面的返回零(0)。结合使用levenshtein和dmetaphone可以帮助您解决许多拼写错误的问题。
关于database - 匹配模糊字符串，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/8929573/