Question

我有一个包含2列的表，一个是id，另一个是包含长字符串的列例如

Id  strings
1   AGTTAGGACCTTACTCTATATCTGTTCTGTTGGTATGGAG
2   GTACTTGTATTCTGATATCTAGGGTTTTCTAATTACTTCTG
3   GTATTCTCTTTCTAGCTGATCGTAATTAAATCTTATCTAA

当用户执行搜索时，我会在搜索字符串中找到最长的公共子序列以及表中的所有数据。例如。搜索顺序是

TCTGTTCTG

1.  Its a 100% match, with the whole match found.
2.  The LCS is TCTGTTCTG, but with some gaps.
3.  The LCS is TCTGTTCT, with some gaps in BTW.

有没有办法存储有关匹配的信息，确切地说它开始找到匹配的位置，然后到达它找到匹配的位置，然后再次开始的位置，依此类推？所以，我可以用某种格式表示数据

First one   =>

AGTTAGGACCTTACTCTATATCTGTTCTGTTGGTATGGAG
                    |||||||||
                    TCTGTTCTG

Second one =>

GTACTTGTATTCTGATATCTAGGGTTTTCTAATTACTTCTG
 | || |  |||||
 T CT G  TTCTG

基本上以某种方式我可以为每个序列找到每个序列的开始和结束位置，这样当我将来再次显示这个页面时，我不必计算再次匹配并可以某种方式从数据库中选择有关开始和结束的数据，并以显示的格式显示？我知道这个问题可能有点模糊，但请让我知道如果你有任何疑问我还能详细说明吗？

Answer 1

第一种情况使用PATINDEX很容易。

案例1：

select Id, PATINDEX('%TCTGTTCTG%', strings) FROM table

这应该返回所有'完整'匹配的ID和匹配的起始位置。

案例2：

select id, PATINDEX('%T%C%T%G%T%T%C%T%G%', strings) FROM table

这个似乎返回部分匹配的值，不选择'最佳'部分匹配）

我会尽可能地回到它，从我看到的很多边缘情况。（边缘情况：如果有多个完全匹配，你需要返回一个间隙最小的匹配或只是匹配间隙吗？部分匹配也是如此）

这应该给你一个开始，而我考虑其余部分。

用于存储LCS信息的数据库设计？

1 个答案: