如何从 SQL 中的电话号码将电话号码前缀与国家/地区匹配答案

【问题标题】：How to match phone number prefix to country from phonenumber in SQL如何从 SQL 中的电话号码将电话号码前缀与国家/地区匹配
【发布时间】：2020-03-21 09:06:00
【问题描述】：

我正在尝试从数字列表中提取国家代码前缀，并将它们与它们所属的区域相匹配。数据可能如下所示：

| id | phone_number   |
|----|----------------|
| 1  | +27000000000   |
| 2  | +16840000000   |
| 3  | +10000000000   |
| 4  | +27000000000   |

这里的国家代码是：

美属萨摩亚：+1684
美国和加勒比地区：+1
南非：+27

期望的结果是这样的：

| country                     | count |
|-----------------------------|-------|
| South Africa                | 2     |
| American Samoa              | 1     |
| United States and Caribbean | 1     |

有一些困难是因为

国家/地区前缀代码从 1 到 4 个数字不等，即使没有国家/地区前缀，
电话号码长度因地而异。
我没有对此数据库的写入权限，因此添加另一列虽然可能是最好的解决方案，但在此用例中不起作用

这是我目前的解决方案：

SELECT 
CASE
    WHEN SUBSTRING(phone_number,1,5) = '+1684' THEN 'American Samoa'
    WHEN SUBSTRING(phone_number,1,5) = '+1264' THEN 'Anguilla'
    ...
    WHEN SUBSTRING(phone_number,1,5) = '+1599' THEN 'Saint Martin'
    WHEN SUBSTRING(phone_number,1,4) = '+355' THEN 'Albania'
    WHEN SUBSTRING(phone_number,1,4) = '+213' THEN 'Algeria'
    ...
    WHEN SUBSTRING(phone_number,1,4) = '+263' THEN 'Zimbabwe'
    WHEN SUBSTRING(phone_number,1,3) = '+93' THEN 'Afghanistan'
    WHEN SUBSTRING(phone_number,1,3) = '+54' THEN 'Argentina'
    ...
    WHEN SUBSTRING(phone_number,1,3) = '+58' THEN 'Venezuela'
    WHEN SUBSTRING(phone_number,1,3) = '+84' THEN 'Vietnam'
    WHEN SUBSTRING(phone_number,1,2) = '+1' THEN 'United States and Caribbean'
    WHEN SUBSTRING(phone_number,1,2) = '+7' THEN 'Kazakhstan, Russia'
    ELSE 'unknown'
END as country_name,
count(*)
FROM users
GROUP BY country_name
order by count desc

有 ~205 个WHEN ... THEN 案例。它似乎非常低效并且超时。我认为这是因为它在每一行上运行模式匹配。这需要扩展到大约数千万行

有没有更有效的方法来做到这一点？

我使用的是 postgreSQL 9.6.16

【问题讨论】：

为什么不单独为代码前缀列
这不是一个非常适合在数据库中完成的任务；相反，您应该从原始数据源中引入国家代码。旁注：美国号码不看起来像+1000000000；一个有效的美国号码由 10 位数字组成，例如+12128675309.
@JAR 目前我没有办法进行数据库迁移，我只有读取权限。将更新问题。
好点@TimBiegeleisen - 我想我只是想突出前缀，而不是添加潜在的实数????
您最好使用计算机语言完成工作，然后从用户中选择 * 来访问数据库。

标签： sql postgresql phone-number libphonenumber

【解决方案1】：

尽管阅读了整个表格，但在这里索引可能会有所帮助。为了聚合每个国家代码的数据，DBMS 必须按国家代码对所有行进行排序。排序是一项昂贵的操作，尤其是在大型数据集上。如果你有一个国家代码的索引，DBMS 会在索引中找到已经预先排序的代码，并且可以避免对数据进行排序的工作。

一列中没有单独的国家代码，但每个电话号码都以代码开头，因此您可以索引完整的电话号码：

create index idx on users (phone_number);

那么你必须让 DBMS 清楚你对字符串的开头感兴趣，所以它会考虑使用索引。在电话号码上调用 SUBSTRING 之类的函数可能会使 DBMS 对此视而不见。请改用LIKE。根据文档 (https://www.postgresql.org/docs/9.3/indexes-types.html)，字符串索引可以与 LIKE 'something%' 一起使用：

WHEN phone_number LIKE '+1684%' THEN 'American Samoa'

不能保证这会有所帮助，但我认为值得一试。这取决于优化器是否看到了使用索引中预先排序的电话号码的优势。

【讨论】：