MySQL计算列中子字符串出现次数

Question

使用MySQL，我试图计算每列中子字符串出现次数。

在下面的示例表，字符串“艺术”出现在条款柱三次，所以它必须3.

示例表的计数：

TERMS 
art 
artistic 
painting 
elephant 
art deco 
paint 
paintings 

所需的输出：

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

编辑：

作为一个起点，我知道：

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

将输出每个完整术语字符串的出现次数。对于子字符串匹配，我认为这可能涉及子查询。

试过以下，但每计数1

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

Answer 1

我会先写一个查询，只是返回我们要返回术语列表写这篇文章。例如：

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

然后包裹在括号并用它作为内嵌视图...

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

这样，我们可以做一个连接操作来寻找匹配的行，并获得了计数。假设terms不包含下划线（_）或百分比（%）字符的保证，我们可以使用LIKE比较。

鉴于我们列表中的每个术语至少会出现一次，我们可以使用内部联接。在更一般的情况下，我们可能希望返回零计数，我们将使用外连接。

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比较，百分号是通配符匹配任何字符（零个，一个或更多）。

如果有可能terms确实包含下划线或百分号字符，我们可以将它们转义，以便它们不被LIKE比较视为通配符。像这样的表达应该做的伎俩：

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

所以我们不得不这样的查询：

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 

---

还有其他的查询模式，将返回指定的结果。这只是一种方法的演示。

---

注意：在这个问题的例子，每一个terms那是另一个terms一子，子字符串匹配出现在开始术语。此查询还会查找匹配项不在开头的位置。

例如dartboard将被视为匹配art

的查询可以修改，以符合仅出现在开始的其他termsterms。

随访

随着数据。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，我还包括在选择列表中的另一种表达。这不是必需的，但它确实提供了关于哪些术语被认为是匹配的一些附加信息。

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

注意：如果有一种可能性，即terms包含反斜杠字符，就可以逃避这些字符以及使用替换另一个

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