MySQL計算列中子字符串出現次數

Question

使用MySQL，我試圖計算每一行中一個子串的出現次數。

在下面的示例表中，字符串“art”在“條款”列中出現三次，因此它的計數為3。

示例表：

TERMS
art
artistic
painting
elephant
art deco
paint
paintings

期望的輸出：

TERMS      COUNT
art        3
artistic   1
painting   2
elephant   1
art deco   1
paint      2
paintings  1

編輯：

作為一個起點，我知道：

SELECT terms, COUNT(*)
FROM table
GROUP BY terms

將輸出每個完整術語字符串的出現次數。 對於子字符串匹配，我認為這可能涉及子查詢。

試過以下，但每個計數都是1。

SELECT terms, ROUND((CHAR_LENGTH(terms) - CHAR_LENGTH(REPLACE(terms, terms, ""))) / CHAR_LENGTH(terms)) AS count
FROM table
GROUP BY terms

Answer 1

我會寫這個，首先編寫一個只返回我們想要返回的術語列表的查詢。 例如：

 SELECT t.terms
   FROM `table` t
  GROUP BY t.terms

然后將其包裝在parens中並將其用作內聯視圖...

SELECT w.terms
  FROM ( SELECT t.terms
           FROM `table` t
          GROUP BY t.terms
       ) w
 ORDER BY w.terms

有了它，我們可以進行連接操作以查找匹配的行，並獲得計數。 假設保證terms不包含下划線（ _ ）或百分號（ % ），我們可以使用LIKE比較。

鑒於列表中的每個術語至少會出現一次，我們可以使用內部聯接。 在更一般的情況下，我們可能期望返回零計數，我們將使用外連接。

SELECT w.terms
     , COUNT(1) AS `COUNT`
  FROM ( SELECT t.terms
           FROM `table` t
          GROUP BY t.terms
       ) w
  JOIN `table` c
    ON c.terms LIKE CONCAT('%', w.terms ,'%')
 GROUP BY w.terms
 ORDER BY w.terms

在LIKE比較中，百分號是與任何字符匹配的通配符 （零，一個或多個）。

如果terms有可能包含下划線或百分號字符，我們可以通過LIKE比較來逃避它們，因此它們不被視為通配符。 像這樣的表達式可以解決這個問題：

 REPLACE(REPLACE( w.terms ,'_','\_'),'%','\%')

所以我們有這樣的查詢：

SELECT w.terms
     , COUNT(1) AS `COUNT`
  FROM ( SELECT t.terms
           FROM `table` t
          GROUP BY t.terms
       ) w
  JOIN `table` c
    ON c.terms LIKE CONCAT('%',REPLACE(REPLACE( w.terms ,'_','\_'),'%','\%'),'%')
 GROUP BY w.terms
 ORDER BY w.terms

---

還有其他查詢模式將返回指定的結果。 這只是一種方法的演示。

---

注意：在問題的示例中，每個terms是另一個terms的子串，子串匹配出現在術語的開頭 。 此查詢還將查找術語不在開頭的匹配項。

例如， dartboard將被視為art的匹配

查詢可以被修改，以符合terms只出現在其他的開始 terms 。

跟進

使用示例數據，返回：

terms      COUNT     matched_terms
---------  --------  -------------------------
art               3  art,art deco,artistic
art deco          1  art deco
artistic          1  artistic
elephant          1  elephant
paint             3  paint,painting,paintings
painting          2  painting,paintings
paintings         1  paintings

除了COUNT(1)聚合之外，我還在選擇列表中包含了另一個表達式。 這不是必需的，但它確實提供了一些關於哪些術語被認為是匹配的附加信息。

 GROUP_CONCAT(DISTINCT c.terms ORDER BY c.terms) AS `matched_terms`

注意：如果terms有可能包含反斜杠字符，我們也可以使用另一個REPLACE轉義這些字符

 REPLACE(REPLACE(REPLACE( w.terms ,'\\','\\\\'),'_','\_'),'%','\%')
                 ^^^^^^^^         ^^^^^^^^^^^^^