如何从“姓氏”列中删除标题和后缀？

Question

任何人都可以告诉我是否可以在SQL Server中实现以下方案？

场景：在表中有一个“姓氏”列，其值如下：

• SMITH MD
• GEORGE MD PHD
• SMITH MD LLC
• SMITH JR MD
• SMITH III MD PA
• SMITH，MD

换句话说，“姓氏”有许多标题或后缀。我想用SQL清理这些数据。目前，我在多个视图中这样做，首先只删除“MD”然后在下一个视图“LLC”或“JR”等等。

相反，我可以将所有这些可能的后缀/标题转储到表中，除了姓氏，并再次检查该表的姓氏，如果在“姓氏”的末尾找到该字符串，那么从该列中删除它？

就像是：

LOCATE(a.LastName, IN (Select Suffix/Title from Code table)) > 0

然后再次查看代码表删除整个字符串。例：

Last name is like SMITH MD

代码表将包含2列：

Code   Logic
MD     SUBSTRING(a.LastName, 1, length(a.NEWlastname) - 2) 

删除该MD作为姓氏，并将清理后的数据转储到单独的表中。所以我可以使用新表中的数据进行进一步处理。

Answer 1

似乎你只需要姓氏。姓氏后面总是后跟一个空格。您可以使用此空间来标识姓氏的结尾并避免以下任何内容：

SELECT DISTINCT YT.USER_NAME,
                SUBSTR(YT.USER_NAME, 0, INSTR(YT.USER_NAME, ' ') - 1) AS ONLY_NAME
  FROM YOUR_TABLE YT

希望能帮助到你

Answer 2

如果您可以选择使用基于SQLCLR的函数，则可以使用正则表达式简单地删除一个或多个匹配的后缀。 RegEx“Replace”可以在单个调用中匹配任意数量的后缀（使用管道“|”到“或”后缀）并用空字符串替换每个后缀。使用正则表达式可以轻松匹配每个后缀之前的字符组合：空格，逗号（示例数据中的两个），以及逗号，然后是空格，甚至空格加逗号加空格。这种方法允许姓氏在其中包含空格。您可以填充后缀表（按照您的要求），但不需要存储逻辑来删除后缀。

以下示例使用包含RegEx_Replace函数的SQL#库。我是SQL#的作者，但这个函数是免费版的。或者，如果您只想要一个没有所有其他功能的RegEx“替换”功能，那么在各种论坛/博客/文章等上有很多例子。

在下面的示例中，我包含了两个额外的测试用例：一个带有逗号和空格（用于显示两者都被删除），另一个未定义为后缀（用于显示未删除之前的空格）。

DECLARE @TestNames TABLE (LastName NVARCHAR(50));
INSERT INTO @TestNames VALUES
        (N'SMITH MD'),
        (N'GEORGE MD PHD'),
        (N'SMITH MD LLC'),
        (N'SMTITH JR MD'),
        (N'SMITH III MD PA'),
        (N'SMITH,MD'),
        (N'SMITH, IV'),
        (N'SMITH NotDefined');

DECLARE @NameSuffixes TABLE (Suffix NVARCHAR(50));
INSERT INTO @NameSuffixes VALUES
        (N'MD'),
        (N'PHD'),
        (N'llc'),
        (N'II'),
        (N'III'),
        (N'iv'),
        (N'jr'),
        (N'pa');

-- Pattern =
-- (([, ]+MD\b)|([, ]+PHD\b)|([, ]+llc\b)|([, ]+II\b)|([, ]+III\b)|...)
DECLARE @SuffixList NVARCHAR(4000) = N'(';
SELECT @SuffixList += N'([, ]+' + Suffix + N'\b)|'
FROM @NameSuffixes;
SET @SuffixList += N')';

SELECT tn.LastName, 
    SQL#.RegEx_Replace(tn.LastName, @SuffixList, '', -1, 1, N'IgnoreCase') + N'~'
FROM @TestNames tn;

请注意，附加到每个过滤值的~只是为了表明没有尾随空格。