如何判断数据格式不一致本身是否一致

Question

一个客户端向我们发送了几个表，我们需要这些表能够相互交叉引用。不幸的是，我们需要用于交叉引用的列的数据格式不一致。

然而，看起来它们以一致的方式不一致。也就是说，在一列中有一个"名称"，在另一列中，名称前面有一个4位数的id代码和一个空格，所以是"1234名称"。

如果不一致确实是一致的，那么我们可以通过调用MySQL子字符串函数来按原样使用数据。但我不相信。我如何确定这些不一致是否具有普遍性？如果还有其他我没有看到的不一致呢？

我需要知道的是，做列A中的所有唯一值=子字符串(列B，6)中的所有独特值。

我不擅长MySQL，尝试过一些查询，但它们要么返回所有结果(不是不同的结果)，要么在服务器上被"中断"，因为有很多数据，它们需要很长时间才能运行。帮助

Answer 1

您可以使用not exists子句：

select t1.*
from t1
where not exists (select 1
from t2
where t2.name = substring(t1.columnB, 6)
);

这将根据您给定的规则识别所有在t2中没有匹配名称的t1.columnB。

Answer 2

这是一个需要解决的可怕问题，尤其是在您不熟悉SQL的情况下。

原则上，我总是把这类数据视为"不可信"——随着时间的推移，你认为适用的任何规则通常都是错误的。

我的策略是通过运行SQL查询，使用"脏"数据来填充类似的"干净"表，而不是直接使用"脏的"数据。

因此，您可以使用您认为最有效的模式创建两个表<然后通过将CCD_ 4插入该表来填充该表。通过添加where子句(例如isnumeric(substring(t1.columnB, 6)))，您可以验证您的假设。

一旦"清理"了表，就可以轻松地执行联接。