字符相似度比较的问题--经典模式

shanchuan · 发表于 2010-7-21 01:24

本帖最后由 shanchuan 于 2011-8-19 18:04 编辑

题目要求：把附件A和B列名称相同的对应行的C列不合格描述内容大致相同超过3行的问题提取出来粘贴到另一表。
注：C列是相似，意思大致相同，不一定是字符完全相同。

第一次来看此贴的人以下内容不要看，到此为止，直接点击附件2 单元格重复字符数1.rar ，以免影响思路没有思路时再看下面内容不迟！

:time: 目前基本都是函数方法的解答，非常复杂；呼唤VBA侠圣和专家前来指导VBA方法

解题过程中的问与答：
思路一字符比较：在B列名称相同时要求将对应的C列不合格描述内容相似的重复问题标记为1  ，类似于表格中手工标记的那样。可以用VBA或者函数实现吗？（注：是相似，不一定是完全相同。标准可以设置为有80%的字符一样，或者相同字符数超过10个）（已经解决99%）
7月22日22:33补充条件：目前公式都是上个单元格和下一个单元格比较（不是本意）。能不能在B列名称相同的时候，再计算对应的C列的不合格描述。如B4和B5都是衬垫，C列计算对应的C4和C5，C4有多少字符在C5出现，C5有多少字符在C4出现。（已经解决）
2010-08-08求助：以上虽然实现上下行互相比较，但还是局限性很大，能否在B列名称相同的时候，把C列内容的重复（不一定是完全相同。标准可以设置为有80%的字符一样，或者相同字符数超过10个)次数大于等于3的标记出来?

思路二字符特征筛选：2010年7月27日，考虑采取按字符特征筛选的方法,去掉标点符合和排序的影响（已经解决）
2010年7月28日，利用COUNTIF（）按分类标记字符特征，然后用CONCATENATE（）合并A列B列同行单元格字符，统计每个分类的重复项（》=3标记为重复），但是这个方法太繁琐，几个分类就得操作*几次，请高手简化（2010-08-07  拆出冰山一角附件1），并将附件Y列到AG列中标有“重复”的行复制到sheet1中
2010年7月28日：合并简化Y-AG列 =IF((AND(OR(O2<>0,P2<>0,Q2<>0,R2<>0,S2<>0,T2<>0,U2<>0,V2<>0,W2<>0),COUNTIF($X$2:$X$55,$X2)>=3)),1,)

不断更新附件  一是整理前期问题的解答，方便大家交流学习和讨论之用，二是不断挑战更复杂的应用，提出新的需求和问题详见附件

[ 本帖最后由 shanchuan 于 2010-9-9 21:12 编辑 ]

yaozong · 发表于 2010-7-21 06:59

'=IF(COUNTIF($C$2:$C$100,C2)>1,1,"")

shanchuan · 发表于 2010-7-21 08:37

原帖由 yaozong 于 2010-7-21 06:59 发表
'=IF(COUNTIF($C$2:$C$100,C2)>1,1,"")

你提供的公式精确比较，我想做的是大致比较，两个单元格的字符数有60%（或80%，具体是多少可以根据需要调整）的相似或者说相似字符数超过多少个，就认为相似。

[ 本帖最后由 shanchuan 于 2010-7-21 08:44 编辑 ]

mn860429 · 发表于 2010-7-22 21:37

那个判断重复字数的公式很经典

mn860429 · 发表于 2010-7-22 21:40

可以将$C3 $C2 用定义名称啊【SUBSTITUTE函数去掉空格】

shanchuan · 发表于 2010-7-22 21:40

原帖由 mn860429 于 2010-7-22 21:37 发表
那个判断重复字数的公式很经典

有解决思路吗

shanchuan · 发表于 2010-7-22 21:45

原帖由 mn860429 于 2010-7-22 21:40 发表
可以将$C3 $C2 用定义名称啊【SUBSTITUTE函数去掉空格】

钓客曾曰：
1.建议用=SUM(--(LEN(SUBSTITUTE($C3,MID($C2,ROW(INDIRECT("1:"&LEN($C2))),1),))<LEN($C3)))数组公式试试。（F列）
2.为了去掉空格（你的数据经大致检查，好像在最后有不可见的空白字符，因为嵌套超过7层，无法将substitute($c3,char(10),"")等直接代入，可以用自定义名称如
xh（=substitute($c3,char(10),"")）和bh（=substitute($c2,char(10),"")）分别来取代公式中的$c3和$c2。

关键需求是：要求将C列不合格描述内容相似的重复问题标记为1 ，（做标记的目的是为了能够通过其他函数或宏自动提取粘贴到另一表格中。）标记完全相同的容易，标记大致相似的难啊，之所有有这样的需求，如附件所示，要统计同一个类别的零件出现的重复性问题，因c列问题描述的原始数据为手工录入数据库，难免因录入的标点、语句表述、数据库格式导致的隐藏空白等影响

[ 本帖最后由 shanchuan 于 2010-7-22 23:55 编辑 ]

mn860429 · 发表于 2010-7-22 21:56

跟高手想的一样

这样还不行吗？
还有求重复个数的公式貌似有点问题

7777.rar (10.48 KB, 下载次数: 90)

shanchuan · 发表于 2010-7-22 22:32

原帖由 mn860429 于 2010-7-22 21:56 发表
跟高手想的一样
这样还不行吗？
还有求重复个数的公式貌似有点问题
757856

目前公式都是上个单元格和下一个单元格比较。
能不能在B列名称相同的时候，再计算对应的C列的不合格描述。如B4和B5都是衬垫，C列计算对应的C4和C5，C4有多少字符在C5出现，C5有多少字符在C4出现。

shanchuan · 发表于 2010-7-23 00:00

期待利用VBA的解决方法的出现

		自动登录	找回密码
密码			免费注册

[讨论] 字符相似度比较的问题--经典模式