Hell'0 W0RLD! :)
Есть таблица с кучей строк - наименования препаратов от разных поставщиков , Сводный прайс поставщиков(СПП). 35000 строк
И есть таблицы - номенклатурный справочник предприятия(НСП). 5 000 строк
Необходимо для каждой позиции из НСП найти все аналоги из СПП, если они есть.
Проблема заключается в том, что каждый поставщик использует свой стиль написания наименований.
Вот пример из СПП, где один препара имеет несколько написаний:
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
5-НОК 0,05 N50 ДРАЖЕ
5-НОК 50МГ N50 ТАБЛ П/ОБ
5-НОК 50МГ ТАБ. Х50
5-НОК №50,ТАБ
5-Нок др. 50мг N50
5-НОК ТАБ. П/О 50МГ №50
5-НОК ТАБ. П/О 50МГ №50
5-НОК ТАБ.П/О 0.05Г N50
5-НОК ТАБЛ. П/О 50МГ N50 РОССИЯ-СЛОВЕНИЯ
5-НОК ТАБЛ. П/О 50МГ N50 СЛОВЕНИЯ
Попытка вытянуть все явные одинаковости неудачна - из 35 000 СПП лишь 300 четко соответсвуют наименованиям из НСП.
Т.о. приходится решать задачу унификации написания наименований.
Если сокращения я еще могу исправить - напишу запрос для каждого поставщика, где буду исправлять "таб", "табл", "тб." на "таблетка"(или ампула, флакон, крем, гель и т.п.), то с цифрами ГОРАЗДО сложнее - как видно из примера, даже Номер все пишут по-разному (Х50, N50, №50), не говоря уже о разделителе дробной части (, или . ) и дозировке ( 50 МГ, 0,05 Г)
И еще есть проблема порядкового следования - у одного идет 0,05 и потом ТАБ, а у другого наоборот.
---
Сначала мне казалось, что replace, patindex, charindex меня спасут...
Но когда я накорябал 200 строк одних реплейсов и кол-во уникальных записей упало с 35 до 32 тыс, я понял - неправильным путем иду.
Может кто-то решал подобную задачу, мож у кого есть свежие идеи или ссылки на свежие идеи...
Хелп...
