Comparer des chaînes de caractères dans deux tables différentes

Bonjour à tous,

J'ai vraiment besoin d'aide dans une requête que je dois faire.
J'ai 2 tables différentes contenant l'une, des informations fiscales provenant de la Direction des Impôts et l'autre des informations fiscales données par des clients. Mon soucis c'est que je dois mettre à jour les données fiscales des clients de ma base et la colonne que je dois employer pour les jointures (NOM) n'a pas les mêmes données exactes.

Exemple :

NOM_IMPOTS	NOM_CLIENT
MARTIN DUBOIS & CIE	STE MARTIN ET DUBOIS
MARC LEVY-STRAUSS	MARC ANTHONY LEVY-STRAUSS

J'ai déjà éssayer LIKE, INSTR mais sans résultat. Pourriez-vous me guider? Merci d'avance.

Bonjour,

Est-ce vraiment la seule clé dont tu disposes ? Tu n'as pas de numéro de siret sur lequel tu pourrais joindre ?


Sinon, ce que je ferais, c'est créer deux nouvelles colonnes NOM_IMPOTS_TMP et NOM_CLIENT_TMP. J'alimenterais respectivement ces deux colonnes à partir de NOM_IMPOTS et NOM_CLIENT afin d'avoir un espace de travail.
Ensuite, j'essaierais de trouver les règles qui permettent de faire le remplacement.
Transformer les '&' en 'ET'... Enfin, tout ce que tu peux trouver, jusqu'à ce que tu aies deux colonnes identiques. Et ensuite joindre sur ces colonnes.

Mais vu tes données j'ai du mal à voir comment une unique requête te permettra d'avoir ce que tu souhaites. Déjà, si tu joins avec un like '%MARTIN%' par exemple (beurk), tu risques de perdre ton lien 1,1, ce qui n'est pas ce que tu veux j'imagine...

Impossible à faire en automatique avec une fiabilité de 100%
Tu peux te créer une fonction de similarité afin de voir les rapprochements possibles, mais tu auras forcément une validation d'un utilisateur

Citation:

---

Est-ce vraiment la seule clé dont tu disposes ? Tu n'as pas de numéro de siret sur lequel tu pourrais joindre ?

---

Je n'ai que les deux colonnes provenant de la Direction des impôts (Nom et NIF). Ils ne veulent pas nous donner plus d'informations 8O . Oui j'ai déjà fait le LIKE '%MARTIN%', cela sort pleines de lignes et je ne veux pas me tromper.

Citation:

---

Impossible à faire en automatique avec une fiabilité de 100%

---

Bref merci pour vos conseils, je vais chercher quelques astuces et je vous tiendrai au courant.

Quel est le volume de données que vous devez recouper ?

Oracle implémente nativement une version légèrement boguée de la distance de Jaro-Winkler dont les résultats avaient été probants sur un besoin similaire :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14

with cte_clients (lid, nom_impots, nom_client) as ( select 1, 'MARTIN DUBOIS & CIE', 'STE MARTIN ET DUBOIS' from dual union all select 2, 'MARC LEVY-STRAUSS' , 'MARC ANTHONY LEVY-STRAUSS' from dual ) select lid , round(100 * utl_match.jaro_winkler(nom_impots, nom_client), 3) as jws from cte_clients order by lid asc;   LID JWS ---------- ---------- 1 71,404 2 86,541

---

Le score calculé est un pourcentage de correspondance.

Un des défauts de cet algorithme est sont coût CPU : vous aller devoir calculer les scores de beaucoup de correspondances : même 2000 vs 2000, ça fait 4.000.000 de calculs.

Ce que nous avions fait avec les collègues à l'époque, était de rechercher d'abord les correspondances exactes, puis les correspondances like, puis les correspondances via la distance de Jaro-Winkler afin d'en faire le moins possible.

Bonjour

Utilisez l'algorithme de rapprochement que j'ai écrit :
http://sqlpro.developpez.com/cours/s...ns-motifs/#LVI
Il est très rapide...
Il donne même d'excellent résultat pour la police à la recherche des terroriste dont les noms sont phonétisés par rapport par exemple à l'arabe !

Si vous écrivez la fonction en PL/SQL, renvoyez moi le code afin que je le publie....
A +

La voila (bref j'ajouterais des commentaires un de ces jours)

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

CREATE OR REPLACE Function F_INFERENCE_BASIQUE ( StrSource In Varchar2, StrCible In Varchar2 ) Return Pls_Integer Is -- Score Pls_Integer := Null; -- Function Compare ( StrSource In Varchar2, StrCible In varchar2 ) Return Pls_Integer Is Ch Char; Cpt Pls_Integer := 0; j Pls_Integer := 1; Begin For i In 1..Length(Compare.StrSource) Loop Ch := SubStr(Compare.StrSource, i, 1); If InStr(Compare.StrCible, Ch, j) > 0 Then Cpt := Cpt + 1; j := InStr(Compare.StrCible, Ch, j) + 1; End If; End Loop; Return Cpt; End; -- Begin If StrSource Is Not Null And StrCible Is Not Null Then Score := Compare(StrSource, StrCible); -- premièr passage If Score > 0 Then Score := Greatest(Score, Compare(StrCible, StrSource)); -- deuxiéme passage End If; End If; -- Return Score; End;

---

Et le jeux de test

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53

Connected to Oracle Database 11g Enterprise Edition Release 11.2.0.3.0   SQL> SQL> With Data As ( 2 Select 'Chemise16' as a, 'Vrt' as b, 'Vert' as c from dual union all 3 Select 'Chemise17', 'Blenc', 'Blanc' from dual union all 4 Select 'Pantalon1', 'Rouge', 'Rouge' from dual union all 5 Select 'Pantalon11', 'Gris souris', 'Gris' from dual union all 6 Select 'Pantalon14', 'Rouge brique', 'Rouge' from dual union all 7 Select 'Pantalon6', 'Gris bleu', 'Bleu' from dual union all 8 Select 'Pantalon6', 'Gris bleu', 'Gris' from dual union all 9 Select 'Pantalon7', 'Vert', 'Vert' from dual union all 10 Select 'Pull13', 'bleue', 'Bleu' from dual union all 11 Select 'Pull15', 'Marron', 'Marron' from dual union all 12 Select 'Pull4', 'Jaune paille', 'Jaune' from dual union all 13 Select 'Pull9', 'blanc', 'Blanc' from dual union all 14 Select 'Robe10', 'Blanche', 'Blanc' from dual union all 15 Select 'Robe12', 'rose', 'Rose' from dual union all 16 Select 'Robe2', 'Vert d''eau', 'Vert' from dual union all 17 Select 'Robe3', 'Viol.', 'Violet' from dual union all 18 Select 'Robe5', 'Verte', 'Vert' from dual union all 19 Select 'Robe8', 'Rouge', 'Rouge' from dual 20 ) 21 Select a, b, c, 22 F_INFERENCE_BASIQUE(b,c) FintB, 23 F_INFERENCE_BASIQUE(Upper(b),Upper(c)) Fintb_Upp, 24 utl_match.jaro_winkler(b,c)jar 25 from Data 26 / A B C FINTB FINTB_UPP JAR ---------- ------------ ------ ---------- ---------- ---------- Chemise16 Vrt Vert 3 3 0,925 Chemise17 Blenc Blanc 4 4 0,89333333 Pantalon1 Rouge Rouge 5 5 1 Pantalon11 Gris souris Gris 4 4 0,87272727 Pantalon14 Rouge brique Rouge 5 5 0,88333333 Pantalon6 Gris bleu Bleu 3 4 0 Pantalon6 Gris bleu Gris 4 4 0,88888888 Pantalon7 Vert Vert 4 4 1 Pull13 bleue Bleu 3 4 0,78333333 Pull15 Marron Marron 6 6 1 Pull4 Jaune paille Jaune 5 5 0,88333333 Pull9 blanc Blanc 4 5 0,86666666 Robe10 Blanche Blanc 5 5 0,94285714 Robe12 rose Rose 3 4 0,83333333 Robe2 Vert d'eau Vert 4 4 0,88 Robe3 Viol. Violet 4 4 0,89333333 Robe5 Verte Vert 4 4 0,96 Robe8 Rouge Rouge 5 5 1 18 rows selected   SQL>

---

/Edit Ajouté jaro pour comparaison.

@mnitu : j'ai essayé la fonction mais je suis en 10g et le "continue" (dans la fonction compare) n'existe pas dans cette version. Sauf incompréhension, il ne sert à rien. Me trompes-je ?

Citation:

---

Envoyé par Garuda

... Me trompes-je ?

---

Non, c'est superfétatoire! Merci pour ta remarque j'ai modifié le code.

@Sqlpro, j'ai trouvé une erreur dans l'énoncé de la "Différence de Hamming"

Citation:

---

C'est tout simplement le nombre de symboles différents d'une chaîne à l'autre... Il suffit de lire séquentiellement les deux chaînes en comparant chaque lettre à la position n dans les deux mots. Si la lettre est identique on compte 1.

---

C'est : Si la lettre est différente on compte 1.

Il faudrait aussi rajouter : Malus de 1 si les chaines sont de tailles différentes, car je ne comprenais pas le 4 pour "Vrt" et "Vert" avant de lire le code.