如何计算特定列中的单词与另一个表中的匹配单词答案

【问题标题】：How to count words in specific column against matching words in another table如何计算特定列中的单词与另一个表中的匹配单词
【发布时间】：2014-12-28 20:05:54
【问题描述】：

我希望能够：

从 Table1 中的 column1 中提取特定单词 - 但仅从名为 wordTable2 中匹配的单词/em>,
对已找到的单词数进行（n 个）计数，然后
将此信息放入具有如下格式的永久表中：

决赛

Word    | Count
--------+------
Test    |     7
Blue    |     5
Have    |     2

目前我已经尝试过：

INSERT INTO final (word, count) 
SELECT
  extext
  , SUM(dbo.WordRepeatedNumTimes(extext, 'test')) AS Count
FROM [dbo].[TestSite_Info], [dbo].[table_words]
WHERE [dbo].[TestSite_Info].ExText = [dbo].[table_words].Words
GROUP BY ExText;

函数dbo.WordRepeatedNumTimes是：

ALTER function [dbo].[WordRepeatedNumTimes]
(@SourceString varchar(8000),@TargetWord varchar(8000))
RETURNS int
AS
BEGIN
DECLARE @NumTimesRepeated int
,@CurrentStringPosition int
,@LengthOfString int
,@PatternStartsAtPosition int
,@LengthOfTargetWord int
,@NewSourceString varchar(8000)

SET @LengthOfTargetWord = len(@TargetWord)
SET @LengthOfString = len(@SourceString)
SET @NumTimesRepeated = 0
SET @CurrentStringPosition = 0
SET @PatternStartsAtPosition = 0
SET @NewSourceString = @SourceString

WHILE len(@NewSourceString) >= @LengthOfTargetWord
  BEGIN
    SET @PatternStartsAtPosition = CHARINDEX (@TargetWord,@NewSourceString)
    IF @PatternStartsAtPosition <> 0
    BEGIN
      SET @NumTimesRepeated = @NumTimesRepeated + 1
      SET @CurrentStringPosition = @CurrentStringPosition + @PatternStartsAtPosition + 
        @LengthOfTargetWord
      SET @NewSourceString = substring(@NewSourceString, @PatternStartsAtPosition + 
        @LengthOfTargetWord, @LengthOfString)
    END
    ELSE
    BEGIN
      SET @NewSourceString = ''
    END
  END
RETURN @NumTimesRepeated
END

当我运行上面的INSERT 语句时，没有插入任何记录。

在表 TestSite_Info 中有一个名为 Extext 的列。在此列中，有随机文本 - 其中一个词是“测试”。
在另一个名为 Table_Words 的表中，我有一个名为 Words 的列，其中一个词是“测试”。所以理论上，由于单词是匹配的，我会把它捡起来，放到表Final中，然后在单词旁边（在另一列中）计数该单词的次数已在 TestSite_Info.Extext 中找到。

Table_Words

id|word
--+----
1 |Test
2 |Onsite
3 |Here
4 |As

TestSite_Info

ExText
-------------------------------------------------
This is a test, onsite test , test test i am here

预期的决赛表已在顶部给出。

-- 更新

现在我已经运行了 Abecee 代码块，这实际上可以恢复计数列和与单词相关的 id。

结果如下：

id|total
--+----
169 |3
170 |0
171 |5
172 |7
173 |1
174 |3

取自以下文本，它是从中提取的：

测试测试，我去了，这是一个测试，我正在写垃圾你好但我不在乎关心和关心似乎是你会看到出现的词四次以及单词单词单词单词单词，但是一个.！谁知道这里发生了什么。

如您所见，ID 172 的计数出现了 7 次（作为参考，请参阅下面的 ID 号与单词相关的内容）这是不正确的，它应该出现 6 次（它为某些原因）以及 ID 171，即 care 一词，出现 4 次，但计数显示为 5 次。任何想法为什么会这样？此外，我真正追求的是一种方式，因为您已经非常友好地完成了显示 ID 和计数的表格，但也在决赛桌中显示了与之相关的单词，所以我不必通过 ID 链接回来表以查看实际单词是什么。

Word|id
--+----
 as   |174
here  |173
word  |172
care  |171
hello |170
test  |169

【问题讨论】：

到目前为止你尝试过什么？请考虑提供SQL Fiddle 与测试数据和您的 SQL 语句，它不能完全提供预期的结果。
使用示例数据和所需结果编辑您的问题。
您使用的是哪个版本的 SQL Server？ - 是的：引用的文章实际上可能是相关的。对不起。
感谢 Abecee 的帮助。我实际上有两个实例。如果我们可以让它在 SQL 2008 R2 上运行那就太好了，SQL Serv 2012 Standard 也是如此。
嗨，Abecee，绝对辉煌，它就在附近。我已经运行了您的以下声明，但仍有一些事情没有加起来。我现在将更新的信息放入问题字段

标签： sql sql-server tsql count

【解决方案1】：

您可以按照更新的方式工作

WITH
Detail AS (
  SELECT
    W.id
    , W.word
    , T.extext
    , (LEN(REPLACE(T.extext, ' ', '  ')) + 2
      - LEN(REPLACE(' '
                    + UPPER(REPLACE(REPLACE(REPLACE(REPLACE(T.extext, ' ', '  '), ':', ' '), '.', ' '), ',', ' '))
                    + ' ', ' ' + UPPER(W.word) + ' ', '')) - 1
      ) / (LEN(W.word) + 2) count
  FROM Table_Words W
  JOIN TestSite_Info T
    ON CHARINDEX(UPPER(W.word), UPPER(T.extext)) > 0
)
INSERT INTO Result
SELECT
  id
  , SUM(count) total
FROM Detail
GROUP BY id
;

（忘记计算前面和末尾的空格，错过了一个符号更改，并且混淆了被空格包围的单词的长度。抱歉。感谢您的测试比我原来做的更彻底！）
在 SQL Server 2008 上测试：Updated SQL Fiddle 和 2012：Updated SQL Fiddle。
还有with your test case。

它：

是纯 SQL（不需要 UDF），
有一些调整的空间：
- 存储单词全部小写/全部大写，除非大小写重要（这需要调整建议的解决方案。）
- 存储要检查的字符串并删除所有标点符号。

如果需要更多详细信息，请发表评论。

【讨论】：

Abecee 我刚刚为您创建的脚本结果的原始问题添加了更多细节。它快到了，但还有一点点偏离
快速检查基本上证实了你的发现。对不起。需要仔细看看。 - 我猜，Oracle 是没有选择的？ ;-)
感谢 Abecee 不，它必须在 SQL 中；）
嗨，Abecee，你的结局好吗？
嗨，达里斯。抱歉 - 目前无法真正处理它。

【解决方案2】：

据我所知，这可能会起作用。但是，如果您发布架构，事情会更清楚

create table final(
  word varchar(100),
  count integer
);

insert into final (word, count) 
select column1, count(*)
from table1, table2
where table1.column1 = table2.words
group by column1;

【讨论】：

@darrisford：您实际上应该更新您的问题，以便包括与您的问题相关的所有方面。
@darrisford：引用的文章sqlmag.com/t-sql/counting-instances-word-record 很可能对您的问题的适用性有限。但是你可能想提供原始数据来证明我错了。

【解决方案3】：

感谢您的所有帮助。此解决方案的最佳方法是：

有详细信息 ( 选择标识号 , W.字 , 文本 , (LEN(REPLACE(T.extext, ' ', ' ')) + 2 - LEN（替换（'' + UPPER(REPLACE(REPLACE(REPLACE(REPLACE(T.extext, ' ', ' '), ':', ' '), '.', ' '), ',', ' ')) + ' ', ' ' + UPPER(W.word) + ' ', '')) - 1 ) / (LEN(W.word) + 2) 计数 FROM Table_Words W 加入 TestSite_Info T ON CHARINDEX(UPPER(W.word), UPPER(T.extext)) > 0 ) 插入结果选择 ID , SUM(计数) 总计从细节按 ID 分组

【讨论】：

【解决方案4】：

重新阅读问题描述，提出的SELECT 似乎试图将完整的“exText”字符串与单个“单词”对齐/连接 - 但基于相等性。然后，它在SELECT 列表中有“exText”，而“Result”似乎在等待单个单词。（不过，INSERT 不会失败，只要该字段不受外键约束的保护。但由于 WHERE/JOIN 不太可能让任何数据通过，这可能永远不会出现无论如何都是一个问题。）
对于纯声明性方法的替代方法，您可能想尝试一下

INSERT INTO final (word, count)
SELECT
  word
  , SUM(dbo.WordRepeatedNumTimes(extext, word)) AS Count
FROM [dbo].[TestSite_Info], [dbo].[table_words]
WHERE  CHARINDEX(UPPER([dbo].[table_words].Word), UPPER([dbo].[TestSite_Info].ExText)) > 0
GROUP BY word;

_{您的“Table_Words”描述中有“Word” - 但在WHERE 条件中使用“[dbo].[table_words].Words”...}

【讨论】：