最长匹配子串

Question

如何在 varchar 变量中搜索最长的匹配项？例如，表 GOB 有如下条目：

magic_word |  prize
===================
         sh|  $0.20
        sha|  $0.40
       shaz|  $0.60
      shaza|  $1.50

我想编写一个 plpgsql 函数，该函数将字符串作为输入（例如shazam），并返回具有最长匹配子字符串的 GOB 行上的“奖品”列。在显示的示例中，那将是带有magic_word shaza 的行上的$1.50。

我能处理的所有函数格式，只是匹配位。我想不出一个优雅的解决方案。我猜这可能真的很容易，但我正在摸不着头脑。我不知道一开始的输入字符串，因为它将来自另一个表的查询结果。

有什么想法吗？

Answer 1

简单的解决方案

SELECT magic_word
FROM   gob
WHERE  'shazam' LIKE (magic_word || '%')
ORDER  BY magic_word DESC
LIMIT  1;

这很有效，因为最长的匹配排在最后 - 所以我对 DESC 进行排序并选择第一个匹配。

我从您的示例中假设您希望从字符串的开头匹配左锚定。如果您想匹配字符串中的任何位置（使用索引更昂贵且更难备份），请使用：

...
WHERE  'shazam' LIKE ('%' || magic_word || '%')
...

SQL Fiddle.

性能

查询不是sargable。如果您有其他信息（例如可以作为索引基础的最小长度）来减少要考虑的行数，这可能会有所帮助。它必须是让你在表格中占不到 5% 的标准才有效。因此，缩写（自然的最低选择）可能有用，也可能没有用。但是开头的两三个字母可能会有所帮助。

事实上，您可以反复优化它。类似的东西：
尝试使用 15 个字母的单词的部分索引+
如果找不到，请尝试 12 个字母+
如果找不到，请尝试 9 个字母+
...

我在 dba.SE 上的相关答案中概述的一个简单案例：

• Can spatial index help a “range - order by - limit” query

另一种方法是使用三元组索引。为此，您需要额外的模块 pg_trgm。通常，您会在具有 longer 字符串的表中使用短模式进行搜索。但是三元组也适用于您的反向方法，但有一些限制。显然，您无法使用三元组在较长的字符串中间匹配一个只有两个字符的字符串...测试极端情况。
这里有很多关于 SO 的答案以及更多信息。示例：

• Effectively query on column that includes a substring

高级解决方案

考虑整个搜索字符串表在这个密切相关的问题下的解决方案。使用递归 CTE 实现：

• Longest Prefix Match

Answer 2

怎么样

1

     select max(FOO.matchingValue)
     from
      (
        select magic_word as matchingValue
        from T
        where substr( "abracadabra", 1, length(magic_word)) = magic_word 
      )
      as FOO

2

select prize from
T
  join
  (
  select max(FOO.matchingValue) as MaxValue
     from
      (
         select magic_word as matchingValue
        from T
        where substr( "abracadabra", 1, length(magic_word)) = magic_word 
      )
      as FOO
) as BAR
on BAR.MaxValue = T.magic_word