现在处理citation和co-author的数据。
问题是author里总有很多名字的variation，需要unique，不知道怎么实现，求帮助。

具体来说，现在有两个dataset
一个是关于人的全名的name.xls 。数据范例如下

name
Candes, Emmanual J
Aldous, David
Brillinger, David R
Dudoit, Sandrine
Jewell, Nicolas P
Mossel, Elchanan
....
一个是关于相应的publication的 pub.xls 数据范例如下

title         authors
11231    Aldous, D; nash, E;
10000     Candes-E; Chan, Q; Wolfgang, P;
19000     Danny, Q; John, Sutton; Mossel, E;
31234           Brillinger DR; Jewell, N;
.....


现在想实现的是把pub.xls里面author的name unique起来。
两个问题
1. 但初步的想法是，在name.xls里面用正则表达式，或者手动（目前） 生成名字的各种variation，大约20个variable吧。然后两个表格去匹配，匹配到了就进行替换，替换为name.xls里面的name，所以是unique的。 问题1 ： 在sql里查询包含用contain，可以实现匹配但无法替换。 所以替换只能在data步中实现，在data步中如何做到呢？


2. pub.xls 里面的author并不都记录在name.xls里面。 所以对于剩下的author，我想把last 和first initial一样的看做一个作者，请问有什么办法吗？

我是新手，叙述问题实在冗杂，大家海涵，还望指点！