棘手的 LINQ 查询：返回包含最大长度子字符串的子字符串的字符串

Question

我有 2 个数据表，每个数据表有 300,000 行（从 2 个带有 OLEDB 的 excel 工作表导入的数据表）。

第一个数据表是“dtTosearch”，第二个数据表是“sourceDt”。

这是 2 个表的示例：

我需要为“未标记”列 (sourceDt) 中的每一行找到与“令牌”列 (dtTosearch) 中每一行的匹配项。匹配条件为：

1. “站点”值 =“站点”值
2. 'cat' 值 = 'category' 值
3. 未标记的值必须包含标记值
4. 如果上述所有条件都存在多于一个匹配项，则查询必须返回具有最大长度的标记的匹配项。 （这是我不知道如何执行的棘手部分 linq)
5. 这个任务必须在最短的处理时间内运行 - 因为它的要求，因为它更专业，而且因为我和朋友-同事-JAVA 热情的开发人员打赌，.NET 会运行得更快（就像白天一样 (-:)

我添加了代码的相关部分，它工作正常，但不是我想要的方式，我想缩短处理时间，查看 linqQuery() 函数中的 foreach 循环 - 如果你能帮助我，我将不胜感激通过将我的查询扩展到条件号 4 来替换该循环，该循环针对条件 4 运行，因为 linq 查询的结果按“令牌”长度按降序排列，因此它将退出并返回具有最大行长度的结果.

Private Sub startScanning()
    Dim siteNum As Double
    Dim categoryNum As Double
    Dim stringToSearchin As String

    For i = 0 To sourceDt.Rows.Count - 1
        siteNum = sourceDt.Rows(i).Item(0)
        categoryNum = sourceDt.Rows(i).Item(1)
        stringToSearchin = sourceDt.Rows(i).Item(3)
       Debug.WriteLine( linqQuery(siteNum, categoryNum, stringToSearchin) & " " &
           stringToSearchin)
    Next
End Sub

Private Function linqQuery(ByVal sitenum As Double, ByVal cat As Double,
                           ByVal stringToSearchIn As String) As String

    Dim query = From row In dtTosearch
                Where (row.Field(Of Double?)("site") = sitenum And
                row.Field(Of Double?)("category") = cat)
                Order By row.Field(Of String)("token").Length Descending
                Select New With {
                    .token = row.Field(Of String)("token")
         }


    For Each x In query
        If stringToSearchIn.Contains(x.token) Then
            Return x.token
            Exit Function
        End If
    Next

    Return ""
End Function

非常感谢您的时间和考虑！

Answer 1

在 C# 代码中你可以找到你想要的记录

from r1 in sourceDt.AsEnumerable()
join r2 in dtToSearch.AsEnumerable() 
    on new { p1 = r1.Field<int>("cat"), p2 = r1.Field<int>("Site") }
    equals new { p1 = r2.Field<int>("category"), p2 = r2.Field<int>("site") }
    into r2g
select new
{
    r1,
    p2 = (from r2 in r2g
          let token = r2.Field<string>("token")
          where token.Contains(r1.Field<string>("untagged"))
          orderby token.Length descending, token
          select r2).FirstOrDefault()
}

也就是说，首先group join数据表在它们必须有共同的字段上。 join - into 语法使其成为组加入，如 here 所述。

然后，在一组匹配的行中，过滤掉其tokens中包含untagged值的行，并返回具有最长token的行（也是按字母顺序排列的第一个，以防万一长度的关系）。