Oracle中如何检索相似重复数据？附示例表说明

嘿，这个场景在数据清洗或者去重预处理里太常见了！针对你给出的示例表，我们可以通过提取名称的核心匹配部分，再分组筛选出存在多条匹配的记录。下面给你两种直接能用的Oracle实现方案：

方法一：提取纯字母核心名称 #

这个方法会把名称里所有非字母的字符（数字、下划线等）都去掉，以此作为分组依据，找出共享同一核心名称的重复记录：

WITH name_groups AS (
    SELECT 
        id,
        name,
        -- 移除所有非字母字符，得到核心名称
        REGEXP_REPLACE(name, '[^A-Za-z]', '') AS core_name
    FROM your_table_name -- 替换成你的实际表名
)
SELECT id, name
FROM name_groups
WHERE core_name IN (
    -- 找出核心名称出现多次的分组
    SELECT core_name
    FROM name_groups
    GROUP BY core_name
    HAVING COUNT(*) > 1
)
ORDER BY core_name, name;

运行这个查询后，你会得到所有和Matt、Joseph相关的相似记录，因为它们的纯字母核心是一致的。

方法二：匹配开头的连续字母序列 #

如果你的相似规则是「核心字母在前，后面跟着数字/下划线」（比如5Joseph是Joseph的变体，Matt_43是Matt的变体），可以用正则匹配开头的连续字母作为核心：

WITH name_groups AS (
    SELECT 
        id,
        name,
        -- 提取名称开头的连续字母作为核心
        REGEXP_SUBSTR(name, '^[A-Za-z]+') AS core_name
    FROM your_table_name -- 替换成你的实际表名
)
SELECT id, name
FROM name_groups
WHERE core_name IN (
    SELECT core_name
    FROM name_groups
    GROUP BY core_name
    HAVING COUNT(*) > 1
)
ORDER BY core_name, name;

这个方法更精准对应你的示例场景：5Joseph会被提取出Joseph，Matt1提取出Matt，完美筛选出你要的相似重复项。

小提示 #

如果你的相似规则有变化（比如核心允许包含下划线），只需要调整正则表达式即可。比如要保留下划线只去掉数字，就把[^A-Za-z]改成[^A-Za-z_]，灵活调整就能适配不同场景。

内容的提问来源于stack exchange，提问作者Shubham Sharan