Sie könnten die Tabelle(n) in die erste Normalform bringen und dann die Verbindungen vergleichen, die in jeder Zeile gespeichert sind. Ein Ausgangspunkt könnte sein:
{1} Jede Zeile in Tokens umwandeln und die Tokens in eine neue Tabelle schreiben. Geben Sie jedem Token seine ursprüngliche ID plus ein 3-Buchstaben-Präfix, das angibt, aus welcher Tabelle das Token stammt.{2} Gruppieren Sie die Zeilen der neuen ("normalisierten") Tabelle nach ID und führen Sie eine LISTAGG() aus. Führen Sie einen Selbstbeitritt durch und finden Sie passende "Token-Gruppen".
{1} Tokenisieren, Tabelle als Auswahl erstellen (CTAS)
create table tokens
as
select
ltrim( -- ltrim() and rtrim() remove leading/trailing spaces (blanks)
rtrim(
substr( N.wrapped
, instr( N.wrapped, ',', 1, T.pos ) + 1
, ( instr( N.wrapped, ',', 1, T.pos + 1 ) - instr( N.wrapped, ',', 1, T.pos ) ) - 1
)
)
) token
, N.id
from (
select ',' || name1 || ',' as wrapped, 'T1_' || to_char( id_t1 ) as id from t1 -- names wrapped in commas, (table)_id
union all
select ',' || name2 || ',' , 'T2_' || to_char( id_t2 ) from t2
) N join (
select level as pos -- (max) possible position of char in an existing token
from dual
connect by level <= (
select greatest( -- find the longest string ie max position (query T1 and T2)
( select max( length( name1 ) ) from t1 )
, ( select max( length( name2 ) ) from t2 )
) as pos
from dual
)
) T
on T.pos <= ( length( N.wrapped ) - length( replace( N.wrapped, ',') ) ) - 1
;
Die Inspiration zur Tokenisierung ohne Verwendung von CONNECT BY kam von dieser SO-Antwort .
Der Inhalt der TOKENS-Tabelle sieht etwa so aus:
SQL> select * from tokens ;
TOKEN ID
ASCORBIC ACID T1_1
SODIUM HYDROGEN CARBONATE T1_2
CAFFEINE T1_3
PSEUDOEPHEDRINE HYDROCHLORIDE T1_4
PARACETAMOL T1_100
sodium hydroxide T1_110
POTASSIUM HYDROGEN CARBONATE T2_4
SODIUM HYDROGEN CARBONATE T2_5
PARACETAMOL PH. EUR. T2_6
CODEINE PHOSPHATE T2_7
DEXCHLORPHENIRAMINE MALEATE T2_8
DEXCHLORPHENIRAMINE MALEATE T2_10
PARACETAMOL T2_200
...
{2} GROUP BY, LISTAGG, Selbstbeitritt
select
S1.id id1
, S2.id id2
, S1.tokengroup_T1
, S2.tokengroup_T2
from
(
select substr( id, 4, length( id ) - 3 ) id
, listagg( token, ' + ' ) within group ( order by token ) tokengroup_T1
from tokens
group by id
having substr( id, 1, 3 ) = 'T1_'
) S1
join
(
select substr( id, 4, length( id ) - 3 ) id
, listagg( token, ' + ' ) within group ( order by token ) tokengroup_T2
from tokens
group by id
having substr( id, 1, 3 ) = 'T2_'
) S2
on S1.tokengroup_T1 = S2.tokengroup_T2
;
-- result
ID1 ID2 TOKENGROUP_T1 TOKENGROUP_T2
4 10 DEXCHLORPHENIRAMINE MALEATE + PSEUDOEPHEDRINE HYDROCHLORIDE DEXCHLORPHENIRAMINE MALEATE + PSEUDOEPHEDRINE HYDROCHLORIDE
110 210 potassium carbonate + sodium hydroxide potassium carbonate + sodium hydroxide
1 4 ASCORBIC ACID + PARACETAMOL + POTASSIUM HYDROGEN CARBONATE ASCORBIC ACID + PARACETAMOL + POTASSIUM HYDROGEN CARBONATE
3 6 CAFFEINE + PARACETAMOL PH. EUR. CAFFEINE + PARACETAMOL PH. EUR.
Wenn Sie die Dinge auf diese Weise tun, können Sie die Substanzen in (alphabetische) Reihenfolge bringen, und Sie können auch ein "Trennzeichen" auswählen, das Ihnen gefällt (wir haben hier '+' verwendet).
ALTERNATIVE
Wenn Ihnen das alles nichts nützt oder Sie es für zu kompliziert halten, können Sie es mit TRANSLATE() versuchen. In diesem Fall würde ich empfehlen, alle Leerzeichen aus Ihrem Datensatz zu entfernen (in einer Abfrage - nicht Änderung der Originaldaten!) so:
Abfrage
select
id1, id2
, name1, name2
from (
select
id_t1 id1
, id_t2 id2
, T1.name1 name1
, T2.name2 name2
from T1
join T2
on translate( replace( T1.name1, ' ', '' ), replace( T2.name2, ' ', '' ), '!' )
= translate( replace( T2.name2, ' ', '' ), replace( T1.name1, ' ', '' ), '!' )
) ;
Ergebnis
ID1 ID2 NAME1 NAME2
2 5 SODIUM HYDROGEN CARBONATE, SODIUM CARBONATE ANHYDROUS, CITRIC ACID SODIUM HYDROGEN CARBONATE, SODIUM CARBONATE ANHYDROUS
3 6 CAFFEINE, PARACETAMOL PH. EUR. PARACETAMOL PH. EUR.,CAFFEINE
100 10 PARACETAMOL, DEXTROMETHORPHAN, PSEUDOEPHEDRINE, PYRILAMINE DEXCHLORPHENIRAMINE MALEATE, PSEUDOEPHEDRINE HYDROCHLORIDE
110 210 sodium hydroxide, potassium carbonate sodium hydroxide, potassium carbonate
HINWEIS: Ich habe Ihren Beispieldaten die folgenden Zeilen hinzugefügt:
-- T1
110, 'sodium hydroxide, potassium carbonate'
-- T2
210, 'sodium hydroxide, potassium carbonate'
211, 'potassium hydroxide, sodium carbonate'
Ich habe festgestellt, dass es einfach ist, TRANSLATE() so zu verwenden, dass Sie "falsche Positive" erhalten, dh die Substanzen mit den IDs 110, 210 und 211 scheinen "übereinzustimmen". (Mit anderen Worten:Ich denke nicht, dass dies das richtige Werkzeug für diesen Job ist.)
(folgen Sie dem Link, um die Beispieltabellen und Abfragen anzuzeigen).
