寻找这些不一致之处的最有效方法？

Question

该项目包含一个表–为简单起见，我们将其称为Table –由C程序处理三列：

• ID是唯一的ID，在这里并不重要
• Source包含输入文本。
• Translation包含Source中内容的修改/翻译版本。

这是一个包含内容的示例：

如您所见，表格遵循某种模式，目标是根据以下规则查找不一致之处：

• 所有ID都是唯一的，并且没有可用的关联将相关条目彼此连接。
• Source和Translation都包含大多数不遵循此模式的条目（上面省略）。
• 如果有一个记录A的Source设置为ABC和另一个记录B的Source设置为Map: ABC（与Map:相同， A的Source），那么B的Translation必须与Karte:相同，后跟A的Translation。换句话说：应该假设Translation列遵循与Source相同的模式。
• 在上面的示例表中，查询结果应告诉您ID_34567和ID_45678不匹配，因为后者的Translation读为Karte: Project B而不是{{ 1}}（由Karte: Projekt B的{​​{1}}决定）。
• 该查询（或多个查询）应该在SQLite中实现，并以C代码托管（因此不必仅在SQLite中为100％）。
• 可用的SQLite命令扩展了用于正则表达式匹配（PCRE2）的自定义函数，例如Translation返回ID_34567与正则表达式匹配的部分，或者rxmatch(rx, text)返回不匹配的情况。可以根据需要扩展或修改此列表。

到目前为止，该实现首先使用查询来识别所有text条目：

0

第二个查询针对每个结果行运行，并检查不一致之处以返回它们（它从Map: / select ID, rxmatch('(?<=Map: ).*', Source) as ms, rxmatch('(?<=: ).*', Translation) as mt from `Table` where ms != 0 and mt != 0; 中选择了连接的字段，但出于可读性考虑，我将其省略）。使用的参数是上面返回的三列（id，匹配的源部分，匹配的目标部分）。

a

虽然这很好用，但这不是最快的查询，我想知道是否有更优雅的方法可以简化并同时加快速度。

Answer 1

SELECT ...
FROM MyTable AS A
JOIN MyTable AS B ON 'Map: '   || A.Source      =  B.Source
                 AND 'Karte: ' || A.Translation <> B.Translation;

这需要Source上的索引有效（或者，如果您有磁盘空间，最好在Source和Translation上都使用covering index）。