Question

我试图在MySQL数据库（使用MYSQL工作台）中从一个充满文本（字符串）的表中计算最常用的单词。我通过阅读另一篇文章（由Kickstart编写）获得此代码。此代码使用一个名为integer的单独表，其中有10列，从0到9，用于计数。

主表的表模式。我主要只对数据感兴趣＆＃34; Text＆＃34;列。

'Id', 'int(11)', 'NO', 'PRI', '0', ''
'PostId', 'int(11)', 'YES', 'MUL', NULL, ''
'Score', 'int(11)', 'YES', 'MUL', NULL, ''
'Text', 'varchar(4000)', 'YES', '', NULL, ''
'CreationDate', 'varchar(25)', 'YES', '', NULL, ''
'UserId', 'int(11)', 'YES', 'MUL', NULL, ''
'UserDisplayName', 'varchar(255)', 'YES', '', NULL, ''

SQL查询：

SELECT aWord, COUNT(*) AS WordOccuranceCount
FROM (SELECT SUBSTRING_INDEX(SUBSTRING_INDEX(concat(Text, ' '), ' ', aCnt), ' ', -1) AS aWord
FROM table
CROSS JOIN (
SELECT a.i+b.i*10+c.i*100 + 1 AS aCnt
FROM integers a, integers b, integers c) Sub1
WHERE (LENGTH(Body) + 1 - LENGTH(REPLACE(Text, ' ', ''))) >= aCnt) Sub2
WHERE Sub2.aWord != ''
GROUP BY aWord
ORDER BY WordOccuranceCount DESC
LIMIT 10

它列出了前10个单词，但它们充满了像a，the，you，me ......这样的简短单词。如何更改它以跳过某些字样？
如何才能这样说，只计算5个字符以上的单词？

整数表的模式＆＃39; i＆＃39;，＆＃39; int（11）＆＃39;，＆＃39; NO＆＃39;，＆＃39; PRI＆＃39;，NULL，＆＃39;＆＃39;

从这篇文章中摘取的原始帖子和代码。我是新人，无法发布任何内容，所以我不得不在这里问 determining most used set of words php mysql

非常感谢你的帮助！

Answer 1

您应该能够在WHERE子句中添加另一个条件：

SELECT aWord, COUNT(*) AS WordOccuranceCount
FROM (SELECT SUBSTRING_INDEX(SUBSTRING_INDEX(concat(Text, ' '), ' ', aCnt), ' ', -1) AS aWord
FROM table
CROSS JOIN (
SELECT a.i+b.i*10+c.i*100 + 1 AS aCnt
FROM integers a, integers b, integers c) Sub1
WHERE (LENGTH(Body) + 1 - LENGTH(REPLACE(Text, ' ', ''))) >= aCnt) Sub2
WHERE Sub2.aWord != '' AND
      LENGTH(Sub2.aWord) >= 5
GROUP BY aWord
ORDER BY WordOccuranceCount DESC
LIMIT 10

只需检查aWord的长度是否至少为5个字符，如果是，请将其包含在结果集中。 LIMIT将应用于结果集（后过滤），您应该拥有所需的内容。

使用排除对SQL表中最常见的单词进行计数

1 个答案: