Postgres中字符串的字頻率？

Question

是否可以從包含Postgres中的文本字符串的字段中爲每個字標識不同的單詞和計數？

Answer 1

像這樣的東西？

 
SELECT some_pk, 
     regexp_split_to_table(some_column, '\s') as word 
FROM some_table 

獲取區別詞隨後容易：

 
SELECT DISTINCT word 
FROM ( 
    SELECT regexp_split_to_table(some_column, '\s') as word 
    FROM some_table 
) t 

或獲取的計對每個字：

 
SELECT word, count(*) 
FROM ( 
    SELECT regexp_split_to_table(some_column, '\s') as word 
    FROM some_table 
) t 
GROUP BY word 

Answer 2

應該用一個空格「」或之間的其它劃符號被分割話;而不是's'，除非有意這樣做，例如將'myWordshere'視爲'myWord'和'here'。

SELECT word, count(*) 
FROM ( 
    SELECT regexp_split_to_table(some_column, ' ') as word 
    FROM some_table 
) t 
GROUP BY word 

Answer 3

你也可以使用PostgreSQL的文本搜索功能，這，例如：

SELECT * FROM ts_stat('SELECT to_tsvector(''hello dere hello hello ridiculous'')'); 

將產生：

word | ndoc | nentry 
---------+------+-------- 
ridicul | 1 |  1 
hello | 1 |  3 
dere | 1 |  1 
(3 rows) 

（PostgreSQL的應用與語言相關的詞幹和停停單詞刪除，這可能是你想要的，或者可能不是。可以通過使用simple而不是english字典來禁用停用詞移除和詞幹化， ee值以下。）

嵌套SELECT語句可以是產生一個tsvector字段任何select語句，所以你可以替換適用的to_tsvector功能到任意數量的文本字段的功能，並將它們連接成一個單一的tsvector，過您的文檔中的任意子集，例如：

SELECT * FROM ts_stat('SELECT to_tsvector(''english'',title) || to_tsvector(''english'',body) from my_documents id < 500') ORDER BY nentry DESC; 

會產生從第一500個文件的title和body領域採取了總字數的矩陣，通過降出現的次數進行排序。對於每個單詞，您還將獲得它出現的文檔數（ndoc列）。

請參閱文檔以獲取更多詳細信息：http://www.postgresql.org/docs/current/static/textsearch.html