SQL：在多行之间查找最长的公共字符串[关闭]

Question

这个问题是基于我问的SQL: Find longest common string between rows，但我没有解释清楚，所以我会再试一次。 我有桌子 t1：

Col1   |   Col2
-------|----------------
 1     | THE APPLE 123
 1     | BEST THE APPLE
 1     | THE APPLE 5/89
 2     | BEST TASTY BANANAS
 2     | BEST TASTY BANANAS 42/7
 2     | THE BEST TASTY BANANAS

我想要t2：

Col1    |  Col2
-----------------------------
 1      |  THE APPLE
 2      | BEST TASTY BANANAS

我的整个表有 30,000 条记录。在任何时候我都不必比较超过 21 条记录。 Col2 是 varchar(100)。我正在使用红移。我意识到这是一个难题，有什么方法可以将数据从红移中取出并在 Python 之类的东西中使用某种模糊字符串匹配？谢谢。

Answer 1

评论太长了。

您想要做的处理在 SQL 中是极其困难的。您必须编写自己的聚合函数来处理昂贵且不明显的字符串操作。

您可以在 Python 中完成这项工作，但工作量仍然大致相同。

对于 SQL，问题在于数据的格式。您确实需要每个字符或单词一行才能找到最长的匹配子字符串。即使使用这种表示，也很困难，特别是对于长字符串。我认为这很有用的一个应用是基因组学，字符串编码可能有数万或数十万个字符长。

我的建议是考虑如何用算法解决这个问题，比如 Python 或 Java。如果您搜索，可能有一个内置库可以执行此操作。然而，我对此表示怀疑。您可能会找到一个处理两个字符串的例程，但对于多个字符串，问题就比较困难了。