Question

我想检查一个集合中的每个元素是否包含在列的任何行的部分中。例如，

设置A = {5013，aab，402dha）

B栏

adaf**5013**dad344  
23**aab**yyyy  
zzz**402dha**vuuuda  
.....  
...

我不能使用“A中的B列”，因为有前导字符和尾随字符;
我不能使用TRIM，SUBSTRING，因为我想要搜索的元素可以在列行的任何部分;
当A只有3个元素时，我可以在where子句中写3个正则表达式，但是当A有~100个元素时，我不能这样做。

我的问题是，我是否有办法做到这一点？或者在Excel中是否有类似'VLookup'的功能？

我会很感激任何想法！

Answer 1

这是一个非常可怕的架构;通过更改它可以获得最佳效果，以便将多个值存储在：

中

普通关系子表;
Arrays;或
hstore

所有这些都允许您使用相当简单和理智的SQL表达式来确定您想要的内容，并且可以索引（通过子表的常规b树索引，以及通过阵列和hstore的GiST或GIN索引）以获得更好的性能在大桌子上。

这当然是可能的，但性能会很糟糕。一种方法是使用regexp_split_to_array将列转换为数组，然后使用array operators测试重叠。

请参阅this SQLFiddle demo，它使用扩展的测试集，因为您的测试集不足以证明问题。

我已经显示“任何一个集合都显示在列中”（%%）并且“所有集合都显示在列中”（@>），因为从您的问题中不清楚想。

设定：

CREATE TABLE test(gah text);

INSERT INTO test(gah) VALUES
('adaf**5013**dad344'),
('23**aab**yyyy'),
('zzz**402dha**vuuuda'),
('no**matches**here**lalala'),
('5013**aab**402dha'),
('402dha**aab**somethingelse**5013'),
('402dha**aab**5013');

演示：

regress=> SELECT gah FROM test 
          WHERE regexp_split_to_array(gah, '\*\*') && ARRAY['5013', 'aab', '402dha'];
               gah                
----------------------------------
 adaf**5013**dad344
 23**aab**yyyy
 zzz**402dha**vuuuda
 5013**aab**402dha
 402dha**aab**somethingelse**5013
 402dha**aab**5013
(6 rows)

regress=> SELECT gah FROM test 
          WHERE regexp_split_to_array(gah, '\*\*') @> ARRAY['5013', 'aab', '402dha'];
               gah                
----------------------------------
 5013**aab**402dha
 402dha**aab**somethingelse**5013
 402dha**aab**5013
(3 rows)

令人惊讶的是，您实际上可以通过利用PostgreSQL对表达式索引的支持来创建一个有利于此查询的索引。当然，仅仅因为你能做到并不意味着这是一个好主意：

regress=> CREATE INDEX test_glah_resplit_gin ON test 
          USING GIN(( regexp_split_to_array(gah, '\*\*') ));
CREATE INDEX
regress=> -- Only for testing purposes, don't use in production:
regress=> SET enable_seqscan = off;
SET
regress=> explain SELECT gah FROM test WHERE regexp_split_to_array(gah, '\*\*') @> ARRAY['5013', 'aab', '402dha'];
                                          QUERY PLAN                                           
-----------------------------------------------------------------------------------------------
 Bitmap Heap Scan on test  (cost=16.00..20.02 rows=1 width=32)
   Recheck Cond: (regexp_split_to_array(gah, '\*\*'::text) @> '{5013,aab,402dha}'::text[])
   ->  Bitmap Index Scan on test_glah_resplit_gin  (cost=0.00..16.00 rows=1 width=0)
         Index Cond: (regexp_split_to_array(gah, '\*\*'::text) @> '{5013,aab,402dha}'::text[])
(4 rows)

regress=> explain SELECT gah FROM test WHERE regexp_split_to_array(gah, '\*\*') && ARRAY['5013', 'aab', '402dha'];
                                          QUERY PLAN                                           
-----------------------------------------------------------------------------------------------
 Bitmap Heap Scan on test  (cost=16.00..20.02 rows=1 width=32)
   Recheck Cond: (regexp_split_to_array(gah, '\*\*'::text) && '{5013,aab,402dha}'::text[])
   ->  Bitmap Index Scan on test_glah_resplit_gin  (cost=0.00..16.00 rows=1 width=0)
         Index Cond: (regexp_split_to_array(gah, '\*\*'::text) && '{5013,aab,402dha}'::text[])
(4 rows)

GIN索引的更新成本很高，因此如果您使用此方法，则会在insert / update上支付显着的性价。普通数组也是如此;使用regexp_split_to_table动态创建它们会让它变得更糟。请参阅GIN tips和the intro to GIN indexes。

例如，使用INSERT INTO test(gah) SELECT 'aaaaabbbbb'||(x::text) FROM generate_series(1,1000000) x;在我的测试表中插入一百万行，GIN索引到位需要22秒，丢弃后需要1.6秒。但是，由于价值观的一致性，这可能是一个特别糟糕的情况。

我可以使用正则表达式来匹配一组值吗？

1 个答案: