主页 / dba / 问题 / 311738
Accepted
willsbit
Asked: 2022-05-06 12:02:12 +0800 CST

比较 PostgreSQL 字符串中出现的字符

  • 772

我有一些这样的数据：

变音器 落后
FLKSW [无效的]
聚苯乙烯 FLKSW
聚苯乙烯 聚苯乙烯
游戏机 聚苯乙烯

我想在以下条件下比较两列中的字符串值：如果它们共享至少 2 个字符，它们是相似的（分配一些值，比如 1）。否则，它们不相似。

所以在这个例子中，PPS 和 PSP 是相似的。

如何实现这种子字符串比较？

我知道一种方法是提取子字符串并手动比较它们，但感觉很笨拙，我不知道可能出现的最大字符数。

postgresql varchar

1 个回答

  1. Best Answer

    它们很相似……如果它们共享至少 2 个字符。

    不幸的是，字符串或数组没有内置的“相交”运算符或函数。您可以滚动自己的函数来计算重叠字符：

    CREATE FUNCTION f_count_overlapping_char(text, text)
  RETURNS int
  LANGUAGE sql PARALLEL SAFE IMMUTABLE STRICT AS
$func$
SELECT count(*)::int
FROM (
   SELECT unnest(string_to_array($1, NULL))
   INTERSECT ALL
   SELECT unnest(string_to_array($2, NULL))
   ) sub;
$func$;

    INTERSECT ALL包括重复的匹配字符。要折叠重复项，请使用 justINTERSECT代替。

    那么您的查询可以是：

    SELECT *, f_count_overlapping_char(t1.metaphone, t2.metaphone) AS overlap
FROM   tbl t1
JOIN   tbl t2 ON t1.id < t2.id
             AND f_count_overlapping_char(t1.metaphone, t2.metaphone) >= 2;

    db<>在这里摆弄

    但它很昂贵，并且不能很好地扩展表中的更多行 - O(N²)。根据您的实际目标，有各种更好的选择——比如附加模块pg_trgm提供的三元组相似性。看：

    • 1

相关问题