从不同表的另一列中的一列中查找所有值

Posted 2023-02-15

【中文标题】从不同表的另一列中的一列中查找所有值

【英文标题】：Finding all values from one column within another column in a different table

【发布时间】：2021-12-17 23:17:42

【问题描述】：

我正在尝试遍历表 Keyword_Table 中的列关键字中的所有值，并在列中搜索这些值 Block_of_Text 在另一个表 Raw_Text 中。来自Keyword_Table 的关键字嵌入在Raw_Text.Block_of_Text 的大量文本中。另一个重要的注意事项是 Keyword_Table 大约有 4000 条记录，而表 Raw_Text 大约有 4,000,000 条记录。最后，我希望输出包含一列，其值来自Keyword_Table.Keyword，完整的Raw_Text.Block_of_Text 值包含来自Keyword_Table.Keyword 的相应值。 两个表之间没有共同的值，所以我不能使用我认为没有的连接。

目前我正在尝试使用此代码，但考虑到表格的规模，它的效率极低。我在Raw_Text 中添加了一个名为Corresponding_Keyword 的列

UPDATE [Raw_Text]
SET Corresponding_Keyword =
(
CASE
WHEN Block_of_Text LIKE CONCAT('%','XXXX','%')  Then 'XXXX'
WHEN Block_of_Text LIKE CONCAT('%','YYYY','%')  Then 'YYYY'
WHEN Block_of_Text LIKE CONCAT('%','ZZZZ','%')  Then 'ZZZZ'
END
)

但是在这种情况下不是3个案例，而是4000个。所以显然这个解决方案是不合理的。有没有人对我如何最好地处理这种情况有任何见解。缺少要加入的字段对我来说似乎是个问题，但考虑到大表任务的性质，这是否本质上很困难？谢谢。

【问题讨论】：

Corresponding_Keyword 如果有多个关键字，你想要什么值，例如Block_of_Text 包含所有值 XXXX、YYYY 和 ZZZZ?

在 T-SQL 中没有有效的解决方案，除非你转向全文搜索之类的东西。问题是必须以一种或另一种方式 4000 LIKEs 发生，而且这并不快，无论您如何编写查询。查询本身可能类似于WITH T AS (SELECT *, (SELECT TOP(1) Keyword FROM Keyword_Table WHERE Block_of_Text LIKE '%' + Keyword + '%' ORDER BY Keyword) AS Lookup_Keyword FROM Raw_Text) UPDATE T SET Corresponding_Keyword = Lookup_Keyword（以及其他方法），但如前所述，速度不快。

如果有多个匹配的关键字，那么我会很高兴最后一个关键字匹配为 Corresponding_Keyword 中的那个。至于这不会很快，这是我所期望的。我感谢您的意见

“Block_of_Text”的数据类型和最大长度是什么？

【参考方案1】：

这样的 JOIN 应该可以工作，但我不确定性能：

SELECT kw.Keyword, t.Block_of_Text
FROM Keyword_Table kw
JOIN Raw_Text t ON t.Block_of_Text LIKE '%' + kw.Keyword + '%'