SQL：查找多行之间的最长公共字符串

Question

这个问题是基于我提出的SQL: Find longest common string between rows，但我没有明确解释，所以我会再试一次。 我有桌子t1：

Col1   |   Col2
-------|----------------
 1     | THE APPLE 123
 1     | BEST THE APPLE
 1     | THE APPLE 5/89
 2     | BEST TASTY BANANAS
 2     | BEST TASTY BANANAS 42/7
 2     | THE BEST TASTY BANANAS

我想要t2：

Col1    |  Col2
-----------------------------
 1      |  THE APPLE
 2      | BEST TASTY BANANAS

我的整个表有30,000条记录。我绝不能比较超过21条记录。 Col2是varchar（100）。我正在使用Redshift。我意识到这是一个困难的问题，任何从红移中获取数据并使用某种类似的fuzzystring匹配的方式，比如Python或其他东西？感谢。

Answer 1

评论太长了。

在SQL中，您想要执行的处理非常困难。您必须编写自己的聚合函数来处理昂贵且不明显的字符串操作。

你可以在Python中完成这项工作，但它的工作量仍然大致相同。

对于SQL，问题是数据的格式。为了找到最长的匹配子字符串，每个字符或单词确实需要一行。即使有这种表示，也很难，特别是对于长弦。我可以看到一个有用的应用程序是基因组学，字符串编码可能是数十或数十万个字符。

我的建议是考虑如何用Python或Java等语言在算法上解决这个问题。如果你搜索，可能会有一个内置的库来执行此操作。但是，我持怀疑态度。您可能会发现两个字符串的例程，但对于多个字符串，问题则更加困难。