Question

我有一个内容与此类似的表：

id | title
------------
1  | 5. foo
2  | 5.foo
3  | 5. foo*
4  | bar
5  | bar*
6  | baz
6  | BAZ

......等等。我想按标题分组并忽略额外的位。我知道Postgres可以做到这一点：

SELECT * FROM (
  SELECT regexp_replace(title, '[*.]+$', '') AS title
  FROM table
) AS a
GROUP BY title

然而，这很简单，如果我试图预测所有可能的变化，会变得非常笨拙。那么，问题是，有没有比使用正则表达式更模糊的分组方法呢？它是否有可能，至少没有打破它的背影呢？

编辑：为了澄清，没有任何变体的偏好，这就是分组后表格的样子：

title
------
5. foo
bar
baz

即，变化将是仅仅由几个字符或大小写不同的项目，只要它们被分组，哪些是剩下的并不重要。

Answer 1

对于任何分组，您应该具有传递性相等性，即a ~= b, b ~= c => a ~= c。

严格使用字词制作，我们会尝试使用SQL制作它。

例如，哪个组应foo*bar去？

<强>更新

此查询用空格替换所有非字母数字字符，并返回每组的第一个标题：

SELECT  DISTINCT ON (REGEXP_REPLACE(UPPER(title), '[^[:alnum:]]', '', 'g')) title
FROM    (
        VALUES
        (1, '5. foo'),
        (2, '5.foo'),
        (3, '5. foo*'),
        (4, 'bar'),
        (5, 'bar*'),
        (6, 'baz'),
        (7, 'BAZ')
        ) rows (id, title)

Answer 2

在某个时候，您将不得不定义使一组值在一个组中属于一起的原因。如果这太难了，也许您应该禁止和禁止输入模糊数据，或者如果您必须允许它，请添加一个包含标题的已清理版本的列，以供分组操作使用。

Postgres中的模糊分组

2 个答案: