如何在 PostgreSQL 中獲取字符串中正則表達式匹配的位置？

Question

我有一個包含書名的表格，我想選擇標題與正則表達式匹配的書籍，並按正則表達式匹配在標題中的位置對結果進行排序。

單字搜索很容易。 例如

TABLE book
id   title
1    The Sun
2    The Dead Sun
3    Sun Kissed

在將查詢發送到數據庫之前，我將把.*放在客戶端搜索詞中的單詞之間，所以我會在這里編寫帶有准備好的正則表達式的 SQL。

SELECT book.id, book.title FROM book
    WHERE book.title ~* '.*sun.*'
    ORDER BY COALESCE(NULLIF(position('sun' in book.title), 0), 999999) ASC;

RESULT
id   title
3    Sun Kissed
1    The Sun
2    The Dead Sun

但是如果搜索詞有多個詞，我想將包含搜索詞中所有詞的標題與它們之間的任何詞進行匹配，並像以前一樣按位置排序，所以我需要一個返回正則表達式位置的函數，我沒有在官方 PostgreSQL 文檔中找到合適的。

TABLE books
id   title
4    Deep Space Endeavor
5    Star Trek: Deep Space Nine: The Never Ending Sacrifice
6    Deep Black: Space Espionage and National Security

SELECT book.id, book.title FROM book
    WHERE book.title ~* '.*deep.*space.*'
    ORDER BY ???REGEXP_POSITION_FUNCTION???('.*deep.*space.*' in book.title);

DESIRED RESULT
id   title
4    Deep Space Endeavor
6    Deep Black: Space Espionage and National Security
5    Star Trek: Deep Space Nine: The Never Ending Sacrifice

我沒有找到任何類似於???REGEXP_POSITION_FUNCTION???的函數，你有什么想法嗎？

Answer 1

執行此操作的一種方法（許多方法）：刪除從匹配開始的字符串的其余部分並測量截斷字符串的長度：

SELECT id, title
FROM   book
WHERE  title ILIKE '%deep%space%'
ORDER  BY length(regexp_replace(title, 'deep.*space.*', '','i'));

在 WHERE 子句中使用ILIKE ，因為這通常更快（在這里也是如此）。
還要注意regexp_replace()函數（ 'i' ）的第四個參數，使其不區分大小寫。

備擇方案

根據評論中的要求。
同時演示如何首先對匹配項進行排序（和NULLS LAST ）。

SELECT id, title
      ,substring(title FROM '(?i)(^.*)deep.*space.*') AS sub1
      ,length(substring(title FROM '(?i)(^.*)deep.*space.*')) AS pos1

      ,substring(title FROM '(?i)^.*(?=deep.*space.*)') AS sub2
      ,length(substring(title FROM '(?i)^.*(?=deep.*space.*)')) AS pos2

      ,substring(title FROM '(?i)^.*(deep.*space.*)') AS sub3
      ,position((substring(title FROM '(?i)^.*(deep.*space.*)')) IN title) AS p3

      ,regexp_replace(title, 'deep.*space.*', '','i') AS reg4
      ,length(regexp_replace(title, 'deep.*space.*', '','i')) AS pos4
FROM   book
ORDER  BY title ILIKE '%deep%space%' DESC NULLS LAST
         ,length(regexp_replace(title, 'deep.*space.*', '','i'));

您可以在此處和此處的手冊中找到上述所有內容的文檔。

-> SQLfiddle演示了所有內容。

Answer 2

另一種方法是首先獲取模式的文字匹配，然后找到文字匹配的位置：

strpos(input, (regexp_match(input, pattern, 'i'))[1]);

或者在這種情況下：

SELECT   id, title
FROM     book
ORDER BY strpos(book.title, (regexp_match(book.title, '.*deep.*space.*', 'i'))[1]);

但是，有幾個警告：

1. 這不是很有效，因為它會掃描輸入字符串兩次。

2. 這將忽略環視（lookbehind，lookahead）約束，因為文字匹配可以在模式匹配之前出現多次。 例如：對於輸入'aba'和模式'(?<=b)a' ， strpos將返回1 （對於第一個'a' ），盡管實際位置應該是3 （對於第二個'a' ）。

順便說一句，您可能應該使用貪婪的量詞並盡可能地縮小字符類而不是.*以提高性能（例如'deep [\\w\\s]*? space' ）