如何计算 MySQL / 正则表达式替换器中的单词？

Posted 2023-03-05

【中文标题】如何计算 MySQL / 正则表达式替换器中的单词？

【英文标题】：How to count words in MySQL / regular expression replacer?

【发布时间】：2010-12-17 20:16:29

【问题描述】：

我怎样才能在 mysql 查询中具有与 Regex.Replace 函数相同的行为（例如在 .NET/C# 中）？

我需要这个，因为和很多人一样，我想计算一个字段中的单词数。但是，我对以下答案不满意（在该网站上多次给出）：

SELECT LENGTH(name) - LENGTH(REPLACE(name, ' ', '') +1 FROM table

因为当两个单词之间有超过一个空格时，它不会给出好的结果。

顺便说一句，我认为 Regex.Replace 函数可能很有趣，所以欢迎所有好的想法！

【问题讨论】：

出于好奇，为什么要数字段中的单词？

【参考方案1】：

MySQL 8.0 现在提供了一个不错的REGEXP_REPLACE 函数，这让这变得更加简单：

SQL

SELECT -- Count the number of gaps between words
       CHAR_LENGTH(txt) -
           CHAR_LENGTH(REGEXP_REPLACE(
               txt,
               '[[:space:]]([[:space:]]*)', -- A chunk of one or more whitespace characters
               '$1')) -- Discard the first whitespace character and retain the rest
           + 1 -- The word count is 1 more than the number of gaps between words
           - IF (txt REGEXP '^[[:space:]]', 1, 0) -- Exclude whitespace at the start from count
           - IF (txt REGEXP '[[:space:]]$', 1, 0) -- Exclude whitespace at the end from count
           AS `Word count`
FROM tbl;

演示

DB-Fiddle online demo

【参考方案2】：

更新：现在添加了a separate answer for MySQL 8.0+，应该优先使用。 （保留这个答案，以防被限制使用早期版本。）

几乎是 this question 的副本，但此答案将解决基于来自 this blog post 的自定义正则表达式替换器的高级版本计算单词的用例。

演示

Rextester online demo

对于示例文本，计数为 61 - 与我尝试过的所有在线单词计数器相同（例如 https://wordcounter.net/）。

SQL （为简洁起见，不包括函数代码）：

SELECT txt,
       -- Count the number of gaps between words
       CHAR_LENGTH(txt) -
       CHAR_LENGTH(reg_replace(txt,
                               '[[:space:]]+', -- Look for a chunk of whitespace
                               '^.', -- Replace the first character from the chunk
                               '',   -- Replace with nothing (i.e. remove the character)
                               TRUE, -- Greedy matching
                               1,  -- Minimum match length
                               0,  -- No maximum match length
                               1,  -- Minimum sub-match length
                               0   -- No maximum sub-match length
                               ))
       + 1 -- The word count is 1 more than the number of gaps between words
       - IF (txt REGEXP '^[[:space:]]', 1, 0) -- Exclude whitespace at the start from count
       - IF (txt REGEXP '[[:space:]]$', 1, 0) -- Exclude whitespace at the end from count
       AS `word count`
FROM tbl;

【参考方案3】：

答案是否定的，你不能在 MySQL 中拥有相同的行为。

但我建议您早点查看question 的主题，该主题链接到据称启用某些此功能的 UDF。

【参考方案4】：

有 REGEXP_REPLACE 可用 MySQL user-defined functions。

字数统计：如果您可以控制进入数据库的数据，则可以在插入之前删除双空格。此外，如果您必须经常访问字数统计，您可以在代码中计算一次并将计数存储在数据库中。