MySQL計算列中子字符串出現次數

Question

使用MySQL，我試圖計算每列中子字符串出現次數。

在下面的示例表，字符串「藝術」出現在條款柱三次，所以它必須3.

示例表的計數：

TERMS 
art 
artistic 
painting 
elephant 
art deco 
paint 
paintings 

所需的輸出：

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

編輯：

作爲一個起點，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，我認爲這可能涉及子查詢。

試過以下，但每計數1

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

Answer 1

我會先寫一個查詢，只是返回我們要返回術語列表寫這篇文章。例如：

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

然後包裹在括號並用它作爲內嵌視圖...

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

這樣，我們可以做一個連接操作來尋找匹配的行，並獲得了計數。假設terms不包含下劃線（_）或百分比（%）字符的保證，我們可以使用LIKE比較。

鑑於我們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，我們可能希望返回零計數，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，百分號是通配符匹配任何字符（零個，一個或更多）。

如果有可能terms確實包含下劃線或百分號字符，我們可以將它們轉義，以便它們不被LIKE比較視爲通配符。像這樣的表達應該做的伎倆：

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

所以我們不得不這樣的查詢：

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 

---

還有其他的查詢模式，將返回指定的結果。這只是一種方法的演示。

---

注意：在這個問題的例子，每一個terms那是另一個terms一子，子字符串匹配出現在開始術語。此查詢還會查找匹配項不在開頭的位置。

例如dartboard將被視爲匹配art

的查詢可以修改，以符合僅出現在開始的其他termsterms。

隨訪

隨着數據。例如，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)骨料，我還包括在選擇列表中的另一種表達。這不是必需的，但它確實提供了關於哪些術語被認爲是匹配的一些附加信息。

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

注意：如果有一種可能性，即terms包含反斜槓字符，就可以逃避這些字符以及使用替換另一個

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