不要把那些可变的东西剥离出来，而是试着把它们转换成一种可以比较的“规范形式”。
例如，在进行比较之前，将“rd”或“rd.”替换为“road”，将“st”或“st.”替换为“street”。

您可能需要考虑使用Levenshtein Distance算法。
您可以在SQL Server中将其创建为用户定义函数，在该函数中，它将返回需要对String_A执行的操作数，以使其变为String_B。然后，您可以将Levenshtein Distance函数的结果与某个固定阈值或从字符串长度派生的某个值进行比较。
您只需按如下方式使用它：

... WHERE LEVENSHTEIN(address_in_db, address_to_search) < 5;

正如Mark Byers所建议的，如果使用Levenshtein Distance，将变量项转换为规范形式会有所帮助。
使用全文搜索可能是另一种选择，特别是因为Levenshtein通常需要全表扫描。这一决定可能取决于您打算执行这些查询的频率。
您可能需要查看以下针对SQL Server的Levenshtein Distance实现：

• Levenshtein Distance Algorithm: TSQL Implementation

注：您需要为上述实现实现一个MIN3函数。您可以使用以下函数：

CREATE FUNCTION MIN3(@a int, @b int,  @c int)
RETURNS int
AS
BEGIN
    DECLARE @m INT
    SET @m = @a

    IF @b < @m SET @m = @b
    IF @c < @m SET @m = @c

    RETURN @m
END

您可能还对以下文章感兴趣：

• Address Geocoding with Fuzzy String Matching [使用Levenshtein距离]
• Stack Overflow - Strategies for finding duplicate mailing addresses
• Merge/Purge and Duplicate Detection

为了进行正确的街道地址匹配，您需要将地址转换为标准格式。请查看USPS邮政标准here（我假设你正在处理美国的地址）。这绝不是一个简单的过程，如果你想能够处理所有类型的美国邮件地址。QAS和Satori Software等公司提供的软件可以为您进行标准化。您需要导出您的地址，运行他们通过软件，然后加载数据库与更新的地址。也有第三方供应商，将执行地址标准化以及。这可能是矫枉过正，你正在尝试做的，但它是最好的方式做到这一点。如果数据库中的地址是标准化的，那么您将有更好的机会匹配它们（特别是如果您也可以标准化输入）。

我认为你的第一步是更好地定义你对不同地址的宽容程度。例如，哪些地址匹配，哪些地址不匹配：

123 Maple Street
123 Maple St
123 maple street
123 mpale street
123 maple
123. maple st
123 N maple street
123 maple ave
123 maple blvd

在同一个地区有枫树街和枫树大道吗？橡树街对橡树大道怎么样？
例如，我住的地方有很多街道/道路/大道/大道都叫奥瓦索。我住在奥瓦索街，它连接到北奥瓦索大道，它连接到南奥瓦索大道。然而，只有一条维多利亚大道。
考虑到这一现实，你必须要么有一个数据库的所有道路名称，并寻找最近的道路（并处理号码分开）
或
提前决定你会坚持什么，不会坚持什么。

地址匹配和重复数据删除是一件麻烦的事情。其他的海报说地址需要首先标准化到当地的邮政标准机构（例如如果是美国地址，美国邮政）是正确的。一旦地址是标准格式，剩下的就很容易了。
有几个第三方服务可以标记列表中的重复项。仅使用MySQL子查询无法解决地址格式和标准的差异。USPS（用于美国地址）有一定的指导原则来制定这些标准，但只有少数供应商获得认证可以执行此类操作。
所以，我建议你最好的解决办法是将表格导出为CSV文件，然后提交给一个强大的列表处理器。SmartyStreets的Bulk Address Validation Tool就是这样一个例子，它会在几秒钟到几分钟内自动完成。它会用一个名为"Duplicate"的新字段标记重复的行，并在其中输入Y值。
尝试标准化和验证几个地址here，以了解输出的外观。
完全披露：我为SmartyStreets工作

剥离数据是一个坏主意。许多城镇会有几十个相同街道的变体-橡树街，橡树路，橡树巷，橡树圈，橡树苑，橡树大道等...如上所述，转换为规范的美国邮政缩写是一个更好的方法。

Fuzzy Lookups and Groupings Provide Powerful Data Cleansing Capabilities

你可以试试SOUNDEX，看看它是否能让你接近。http://msdn.microsoft.com/en-us/library/aa259235%28SQL.80%29.aspx

您也可以 checkout COMPGED函数-https://www.sas.com/content/dam/SAS/support/en/sas-global-forum-proceedings/2018/2487-2018.pdf