如何在 Postgres 的字符串中搜索整个单词是否存在

Question

我有一个带有列field的表，该field值类似于三星手机。

我的问题是，如果我搜索字符串“Samsung”或“phone”，如何获得这一行。 如果我只给出“Sam”或“ph”作为搜索词，我不想要任何结果。

我曾尝试使用 ILIKE 运算符，但如果我使用：

select * 
from mytable 
where title ILIKE 'Samsung';

它不会给出任何结果，因为它认为标题应该完全相等。 此外，如果我使用title ILIKE '%Samsung%'那么它将适用于任何部分字符串。

简而言之，我想如果输入的搜索词作为一个完整的词存在于我的专栏中，那么只给出搜索结果。

另外，如果我有多个搜索词值，那么任何单词匹配都应该是结果

Answer 1

您可以为此使用正则表达式：

where title ~* '(\mphone\M)|(\msamsung\M)'

以上仅返回phone或samsung是完整单词的值。 正则表达式修饰符\\m和\\M使模式只匹配整个单词。

正则表达式运算符~*使此不区分大小写。 上述表达式将返回Samsung Phone或Google Phone但不会返回Sam's House 。

如果要添加更多单词，只需使用“或”运算符添加它们即可|

where title ~* '(\mphone\M)|(\msamsung\M)|(\mbhat\M)'

---

请注意，这种搜索不会很快。 正则表达式很昂贵，它们不能使用任何索引。

Answer 2

你也可以使用这个：

title ~* '(^|[^\w])samsung([^\w]|$)'

上面一个的优点是，它可以很容易地扩展到包含来自不同编码的字符，如下所示：（土耳其字符）

title ~* '(^|[^\wğüşıöçĞÜŞİÖÇ])samsung([^\wğüşıöçĞÜŞİÖÇ]|$)

这是一个示例案例，您可能需要上述扩展。
例如； 在Latin5 编码的数据库中，您的值为'İsamsung'。 İ 在土耳其语中是 i 的首都。
在这种情况下， title ~* '(\\msamsung\\M)'不起作用。 此条件返回 İsamsung 值。 因为在 Latin5 编码中，postgre 认为 İ 超出了字母数字范围并且该值类似于 :samsung。

Answer 3

以下解决方案在 PostgreSQL 9.6 中进行了测试。

您可以使用\\y字边界和带有交替运算符的分组结构，以分隔所有可能的选择：

where title ~* '\y(?:Samsung|phone)\y'

或者，不区分大小写：

where title ~* '\y(?:Samsung|phone)\y'

请参阅PostgreSQL 演示。

请注意，当第一个或最后一个字符不是单词字符时， \\y不是正确的方法。 例如，您想搜索#samsung或phone# 。 然后，考虑使用明确的词边界：

where title ~* '(?<!\w)(?:#samsung|phone#)(?!\w)'

在这里， (?<!\\w)负回顾后失败的比赛，如果有一个非alnum和无_立即字符到左侧的当前位置，和(?!\\w)是一个负向前查找失败的比赛如果在当前位置的右侧有一个 non-alnum 并且没有_ char。 等效于测试where子句中是否匹配：

where title ~* '(\W|^)(?:#samsung|phone#)(\W|$)'

在线查看另一个 PostgreSQL 演示：

CREATE TABLE mmytable
    (title character varying)
;

INSERT INTO mmytable
    (title)
VALUES
    ('#Samsung Co.'),
    ('They have a phone#'),
    ('Uncle Sam phoned him')
;

select * from mmytable where title ~* '(?<!\w)(?:#samsung|phone#)(?!\w)';

此外，当您只需要在空白字符之间或字符串的开头/结尾进行匹配时，请考虑空白边界：

where title ~* '(?<!\S)(?:#samsung|phone#)(?!\S)'
where title ~* '(\s|^)(?:#samsung|phone#)(\s|$)'