通過C#實現房屋中介行業數據的模糊匹配

宋家麟

摘 要 房屋中介行業的經營者常會從不同的數據源中提取相關的成交數據、業績數據，對數據進行清理以保證數據的正確性。隨后將數據進行不同維度的匹配，從而將數據變為信息和知識，以輔助企業做出正確的決策。本文嘗試通過C#語言結合正則表達式來解釋數據進行匹配如何在行業中應用。

【關鍵詞】房屋中介 成交數據 數據匹配 C#

以往房產中介企業以房源信息為導向，而對業績狀況做分析可以幫助決策層更了解自己和對手。企業的管理者需要從系統中發掘更多數據資產，基于此來進行更好地進行市場的戰略部署。

本文結合微軟的.NET技術，對現有的房源信息、銷售數據和市場成交數據依據規則進行匹配，幫助案例企業實時地了解企業的業績狀況，提高業務決策的有效性和可靠性。

1 案例企業已有數據系統的現狀

案例企業成立于1998年，在其他中介公司還是基于Excel或者使用紙筆來記錄房源信息和客戶帶看信息的時候。該公司已定制部署了一套C/S架構的集中式房源管理信息系統。

在互聯網大潮下，企業已無法依賴單一信息系統來與新進者競爭。管理層迫切地希望可以通過新的IT技術手段，把房源等內部信息，與外部數據結合起來做分析，形成一個數據平臺，消除數據孤島。

2 數據匹配

數據匹配是數據之間按照某種內在關系進行配準。

確定性數據匹配方法中，當參與匹配的列都滿足匹配規則（相等規約）時，這對記錄被認為是同一個實體。目前比較通用的做法是計算每對記錄的匹配權重，與用戶手動設定的界限值比較，根據比較結果，將該對記錄分類為匹配，不匹配或可能匹配。

3 C#

C#是微軟推出的一種基于.NET框架的、面向對象的高級編程語言。C?由C語言和C++派生而來，繼承了其強大的性能，同時又以.NET框架類庫作為基礎，擁有類似Visual Basic的快速開發能力。

C#并不被編譯成為能夠直接在計算機上執行的二進制本地代碼。與Java類似，它被編譯成為中間代碼（Microsoft Intermediate Language），然后通過.NET Framework的虛擬機——被稱之為通用語言運行庫——執行。

4 正則表達式

正則表達式，又稱正規表示式、常規表示法（英語：Regular Expression，在代碼中常簡寫為regex），是計算機科學的一個概念。正則表達式使用單個字符串來描述、匹配一系列匹配某個句法規則的字符串。在很多文本編輯器里，正則表達式通常被用來檢索、替換那些匹配某個模式的文本。

許多程序設計語言都支持利用正則表達式進行字符串操作。例如，在C#中就內建了一個功能強大的正則表達式引擎（Regex）。

5 C#結合正則表達式進行模糊數據匹配的實例

5.1 數據查詢優化模塊設計

由于全市的樓盤信息眾多，同時每月的成交數據量也非常大，當需要進行多維度數據查詢時，會遇到系統性能瓶頸。故預先將不同數據源的數據依據一定業務規則進行匹配，并預處理和分類。

5.2 數據查詢優化有關的主要程序代碼

5.2.1 將外部數據與內部數據進行整合、匹配

C#代碼中使用正則表達式，通過物業地址的近似度，將臨時表中的成交數據與盤源系統中的盤源數據進行匹配。下面以***路***弄***支弄為例。

（1）在代碼中定義正則表達式。

（5）序列化數據并入庫

嵌有HTML代碼的數據流無法直接存入數據庫中，故采用了.NET框架中所提供的序列化函數來對數據內容進行處理。

sbArea.Append（CentaBI.ReportLogic.Common.SerializeDataTableXml（dtAreaResult））；

6 總結

為了適應行業變化，本文設計并實現了一種通過C#與正則表達式相結合為核心的數據匹配模塊。通過掌握更多的行業數據、企業經營業績數據，成功地為企業的管理和決策提供有力依據。

參考文獻

[1]熊建芳，高繼，任賀宇，基于ASP.NET的ADO與ADO.NET分析與研究[J].計算機與現代化，2006（07），36-38.

[2]譚學清，譚永麗，陸泉，陳靜.商務智能[M].武漢：武漢大學出版社，2006（10）.

[3]Alistair McLeod，Business Intelligence：Discover the truth about your business，Waterstons white paper，2005，3-5.

作者單位

上海大學計算機工程與科學學院 上海市 200444