MySQL 复杂字符串匹配

Posted 2023-02-22

【中文标题】MySQL 复杂字符串匹配

【英文标题】：MySQL complex string matching

【发布时间】：2017-12-25 07:53:47

【问题描述】：

我有一个 mysql 表，我在其中存储带有 PartNumber 字段的行，用于存储来自不同公司的库存数据。公司有不同的方式来传达相同的 PartNumber。

例如，假设我们有 PartNumber ROF-137-7516。同一部分可能具有该 PartNumber 的以下迭代：

ROF1377516
ROF1377516/R2
ROF 137 7516-2
ROF 137 7516/1
ROF 137 7516/1 R3D
ROF137 7516/2
ROF1377516/1
ROF-137-7516/2

我想要一个在用户输入“ROF-137-7516”搜索词时获取所有这些部分的查询。这是目前我的查询...

select * from parts where PartNumber like 'ROF-137-7516%';

但这只会返回最后一行。是否可以编写一个返回所有部分的查询？

【参考方案1】：

如果你想在 SQL 中处理这个问题，这是REPLACE() 的一种方法：

SELECT *
FROM Parts
WHERE REPLACE(REPLACE(PartNumber,'-',''),' ','') LIKE REPLACE('ROF-137-7516%','-','')

这假设他们将始终输入带有- 或不带空格的PartNumber。

【讨论】：

请记住，直接查询 PartNumber 将使用索引（如果存在），但查询 REPLACE(PartNumber, [...]) 将意味着优化器将不再能够使用索引（因为您不是实际比较索引中的 PartNumber 值，而是一些动态生成的数据）。

谢谢。不完美，但绝对比我迄今为止想出的任何东西都要好。

我稍微调整了你的 where 子句，这样即使他们输入带有空格的 PartNumber，我仍然会得到正确的匹配。 REPLACE(REPLACE(partNumber,'-',''),' ','') LIKE REPLACE(REPLACE('$partNumber%','-',''),' ','') 肯定慢一点，但它仍然足够快，可以作为一个可接受的解决方案。

【参考方案2】：

您可能希望通过几种方法来执行此操作，具体取决于列中的数据，以及您需要什么样的性能才能摆脱表格。有关详细信息，请参阅 MySQL pattern matching 页面。

---

1) 根据您在 PartNumber 中可以预期的值，您可以将破折​​号替换为 % 通配符，以匹配 0 个或多个任意字符：

select * from parts where PartNumber like 'ROF%137%7516%'

但这对您来说可能还不够。例如，它会错误地返回具有以下值的行：ROF 123 137XX/7516

---

2) 如果您在 ROF 和其他数字之间总是有一些字符，那么您可以在搜索模式中使用 _。

select * from parts where PartNumber like 'ROF_137_7516%'

但是，该匹配要求值之间恰好有一个字符，因此它不会匹配ROF1377516，也不会匹配ROF - 137 7516。

---

3.1) 运行查询的最准确方法是使用正则表达式。但是，正则表达式会极大地影响您的性能；所以要谨慎使用它。在您的情况下，您使用.* 匹配任何字符（.）零 次或多次（*）：

select * from parts where PartNumber regexp 'ROF.*137.*7516.*'

您可能会发现在 7516 中的 137 之前匹配“无限”个字符太多了。例如，它会错误地匹配：ROF 123 137XX/7516。您可能已经注意到，这与上面的 #1 完全相同。

---

3.2) 如果.* / % 太宽泛，那么您可以限制. 匹配的字符数。假设数字之间有一个字符（空格、破折号等）是标准的，但您希望考虑到用户错误（例如没有分隔字符，或键入两个分隔字符而不是一个）。您可以使用0,# 来限制要匹配的字符数。假设 0 到 2 个字符：

select * from parts where PartNumber regexp 'ROF.0,2137.0,27516.*'

这样，它将匹配您问题中的所有示例模式，但不会匹配 ROF 123 137XX/7516（因为“123”和“xx/”超过 2 个字符）

---

4) Aaron Dietz 回答了另一种技术，即使用 replace() 函数。根据您的表，这可能对您有用，但请记住，它将不再使用索引。表上的索引是针对列的原始值和数据类型的，但是通过 replace() 运行值将意味着索引值不能用于比较。