tutorial - SQL Server 2008 R2: Cadenas coincidentes

sql server 2014

Question

Tengo la siguiente tabla:

Mesa:

CREATE TABLE str_matching
(
    colstr varchar(200)
);

Insertar datos:

INSERT INTO str_matching VALUES(''5sXYZA1010B'')
INSERT INTO str_matching VALUES(''A1010B'')
INSERT INTO str_matching VALUES(''AMZ103B15K'')
INSERT INTO str_matching VALUES(''B15K'')
INSERT INTO str_matching VALUES(''XC101'')
INSERT INTO str_matching VALUES(''C101'')
INSERT INTO str_matching VALUES(''502KMD1FZ10009L'')
INSERT INTO str_matching VALUES(''FZ10009L'')
INSERT INTO str_matching VALUES(''A9L'')
INSERT INTO str_matching VALUES(''XZ049L'')
INSERT INTO str_matching VALUES(''LM101'')

Resultado esperado: Quiero mostrar solo aquellos registros que tienen entradas duplicadas, si una cadena coincide con la última parte de cualquier cadena, entonces estoy considerando como duplicado.

Por ejemplo: tengo dos cuerdas

1. 5sXYZA1010B
2. A1010B

Segunda cuerda que coincide al final de la primera cuerda, por lo que desea mostrar dichos registros.

Nota : la longitud de la cadena no es fija, puede coincidir en cualquier punto.

Resultado Esperado:

colstr              
--------------------
5sXYZA1010B         
A1010B              
AMZ103B15K          
B15K                
XC101               
C101                
502KMD1FZ10009L     
FZ10009L        

Answer 1

puede coincidir en cualquier punto.

Para hacer coincidir cualquier punto, utilice like con comodines ( % ) en cada lado:

Para múltiples coincidencias, agregue distinct

select l.colstr
from str_matching l
  inner join str_matching r
    on l.colstr<>r.colstr
   and (l.colstr like ''%'' + r.colstr +''%''
     or r.colstr like ''%'' + l.colstr +''%''
      )

demostración de rextester: http://rextester.com/ICIKJ2256

devoluciones:

+-----------------+
|     colstr      |
+-----------------+
| A1010B          |
| 5sXYZA1010B     |
| B15K            |
| AMZ103B15K      |
| C101            |
| XC101           |
| FZ10009L        |
| 502KMD1FZ10009L |
+-----------------+

Dada la respuesta de Martin Smith, supongo que malinterpreté tu intento de ''emparejamiento en cualquier punto'', así que para unir el final de la cadena no usarías el + ''%'' posterior

Answer 2

Esto debería hacerlo ( demo )

SELECT DISTINCT CA.colstr
FROM   str_matching s1
       JOIN str_matching s2
         ON s1.colstr <> s2.colstr
            AND s2.colstr LIKE ''%'' + s1.colstr
       CROSS APPLY (VALUES(s1.colstr),
                          (s2.colstr)) CA(colstr) 

Sin embargo, si str_matching tiene muchas filas, el rendimiento será pobre. Agregar un índice en el reverso de la cadena puede mejorar sustancialmente las cosas, como en el ejemplo a continuación.

CREATE TABLE str_matching
(
    colstr varchar(200),
    colstr_rev AS REVERSE(colstr)
);

CREATE INDEX ix_colstr_rev on str_matching(colstr_rev)

SELECT colstr = REVERSE(CA.colstr_rev)
FROM   str_matching s1
       JOIN str_matching s2
         ON s1.colstr_rev <> s2.colstr_rev
            AND s2.colstr_rev LIKE  s1.colstr_rev + ''%'' 
       CROSS APPLY (VALUES(s1.colstr_rev),
                          (s2.colstr_rev)) CA(colstr_rev) 
GROUP BY CA.colstr_rev

Answer 3

Puedes usarlo.

;WITH CTE AS (
    select *,RN = ROW_NUMBER() OVER (ORDER BY LEN(colstr)) from str_matching 
)
,CTE2 AS (
    SELECT T1.colstr colstr1 ,X.colstr colstr2 FROM CTE T1
        CROSS APPLY (SELECT * FROM CTE T2 WHERE T2.RN > T1.RN AND RIGHT(T2.colstr, LEN(T1.colstr)) = T1.colstr) AS X
)
SELECT colstr1 FROM CTE2 
UNION ALL 
SELECT colstr2 FROM CTE2

Resultado:

5sXYZA1010B         
A1010B              
AMZ103B15K          
B15K                
XC101               
C101                
502KMD1FZ10009L     
FZ10009L