PostgreSQL选择逗号分隔值列的不同值（不包括子集）

Question

假设具有带有列栏的表foo带有逗号分隔的值（“ a，b”，“ a，b，c”，“ a，b，c，d”，“ d，e”）如何选择最大的组合以及排除该组合中包含的所有子集（最大的子集）：

以上述数据集为例，结果应为：

（'a，b，c，d'，'d，e'）和前两个实体（'a，b'，'a，b，c'）被排除，因为它们是（'a，b， c，d'） 。

考虑到逗号分隔的字符串中的所有值均按字母顺序排序

我尝试了以下查询，但结果似乎与我需要的有点相去甚远：

select distinct a.bar from foo a   inner join foo b
on a.bar like '%'|| b.bar||'%' 
and a.bar != b.bar

Answer 1

您可以使用string_to_array()将字符串拆分为一个数组。 使用包含运算符@>您可以检查一个数组是否包含另一个。 （请参阅“ 9.18。数组函数和运算符” 。）

在NOT EXISTS子句中使用它。 fi.ctid <> fo.ctid可以确保比较的行对的物理地址不相等，因为与同一行相比，一行的数组当然会包含该数组。

SELECT fo.bar
       FROM foo fo
       WHERE NOT EXISTS (SELECT *
                                FROM foo fi
                                WHERE fi.ctid <> fo.ctid
                                      AND string_to_array(fi.bar, ',') @> string_to_array(fo.bar, ','));

SQL小提琴

但是我无法抗拒：不要在关系数据库中使用逗号分隔的字符串。 你有更好的方法。 它称为“表”。

Answer 2

首先将字符串处理成字符集，然后将字符集与自身交叉连接，不包括两边字符集相同的行。

接下来，聚合并在HAVING子句中使用BOOL_OR过滤掉任何字符集，该字符集是任何其他字符集的子集

将样本表放在cte中，查询变为：

WITH foo(bar) AS (SELECT '("a,b" , "a,b,c" , "a,b,c,d" , "d,e")'::TEXT)
SELECT bar, string_to_array(elems[1], ',') not_subset
FROM foo
CROSS JOIN regexp_matches(bar, '[\w|,]+', 'g') elems 
CROSS JOIN regexp_matches(bar, '[\w|,]+', 'g') elems2
WHERE elems2[1] != elems[1] 
  -- my regex also matches the ',' between sets which need to be ignored
  -- alternatively, i have to refine the regex
  AND elems2[1] != ','
  AND elems[1] != ','
GROUP BY 1, 2
HAVING NOT BOOL_OR(string_to_array(elems[1], ',') <@ string_to_array(elems2[1], ','))

产生输出

bar                                     not_subset
'("a,b" , "a,b,c" , "a,b,c,d" , "d,e")' {'d','e'}
'("a,b" , "a,b,c" , "a,b,c,d" , "d,e")' {'a','b','c','d'}

sql小提琴中的示例