Question

我有2个表，并尝试删除表1中的所有条目（每行多个单词），其中包含表2中的一个条目。表2中的这些单词可以位于表1的字符串中。

它应该找到这样的东西：'房子'在'大房子里'或'大房子'

它不应该找到这样的东西：'house'中的'house'

我尝试使用这样的locate函数：

CREATE TABLE `test`
AS (
  SELECT
    `table1`.`term1`,
    `table2`.`term2`
  FROM `table1`,`table2`
  WHERE
    locate(concat(' ',`table2`.`term2`,' '), concat(' ',`table1`.`term1`,' '))
);

问题是：它找到了一些，但不是全部，我无法看到其背后的逻辑，为什么它不适用于所有事情。

Answer 1

如果您正在寻找的单词周围有任何标点符号，则您的匹配将无效。

您可以替换字段中的所有标点符号 。

但是，我认为更清晰的解决方案是正则表达式：

CREATE TABLE test
AS
SELECT table1.term1, table2.term2
FROM table1, table2
WHERE table1.term1 REGEXP CONCAT('(^|[^A-Za-z]])',table2.term2,'([^A-Za-z]|$)');

(^|[^A-Za-z])表示字段的起点或不是A-Z或a-z ([^A-Za-z]|$)表示不是A-Z或a-z或字段结尾。

SQLFiddle

修改

虽然上述情况非常好，但并不是特别有效。（140 ms在一个小测试中）

效率更高：（80 ms，在适当的数据上可能会好得多）

SELECT term1, term2 FROM table1, table2 WHERE term1 LIKE CONCAT('%',term2,'%') AND term1 REGEXP CONCAT('(^|[^A-Za-z])',term2,'([^A-Za-z]|$)');

更高效的方式：（8 ms）（出于某种奇怪的原因，MySQL似乎无法很好地进行正则表达式）

SELECT COUNT(*) FROM table1, table2 WHERE term1 LIKE CONCAT(term2,' %') OR term1 LIKE CONCAT(term2,',%') OR term1 LIKE CONCAT(term2,'.%') OR term1 LIKE CONCAT(term2,';%') OR term1 LIKE CONCAT('% ',term2,' %') OR term1 LIKE CONCAT('% ',term2,',%') OR term1 LIKE CONCAT('% ',term2,'.%') OR term1 LIKE CONCAT('% ',term2,';%') OR term1 LIKE CONCAT('% ',term2)

效率稍高：（4 ms）

SELECT COUNT(*) FROM table1, table2 WHERE CONCAT(' ', REPLACE(REPLACE(REPLACE(term1, ',', ' '), '.', ' '), ';', ' '), ' ') LIKE CONCAT('% ',term2,' %')

您可能希望在上面添加更多字符。

SQLFiddle

请注意，上述大部分内容取决于数据，有些可能在某些情况下更有效，而在其他情况下则更差（但正则表达式可能会落后）。

效率更高？

Fulltext indices + searching

在B列的文本中找到确切的单词表单A列（MySQL）

1 个答案: