在 Postgres 中查找字符串以任意随机顺序排列的行

Question

我目前正在研究一个 Postgres SQL 查询，该查询将检查以任意随机顺序匹配空格分隔字符串（3 个单词）的行。

例如，我想查找与“lorem ipsum dolor”匹配的行，它应该返回行 id 0。

+----+-------------------+
| id | sentence          |
| 0  | lorem dolor ipsum |
| 1  | lorem ipsum       |
| 2  | ipsum dolor       |
| 3  | ipsum dolor       |
+----+-------------------+

所以它必须满足以下条件：

• 在这种情况下是相同的 3 个单词
• 以任意随机顺序：
  1. Lo​​rem ipsum dolor
  2. dolor Lorem ipsum
  3. ipsum dolor Lorem
  4. Lo​​rem dolor ipsum
  5. ...

如果我是正确的，这应该会产生 3 * 3 * 3 = 27 种可能的格式。但这可以想象，这在使用更多单词时相当密集。如何在不影响服务器的情况下实现这一目标，或者寻找正确的方向。

Answer 1

Clodoaldo Neto 描述的方法非常适合对单词进行排序。如果性能对您至关重要，您甚至可以为此创建索引以提高查找速度。先创建自定义函数sortwords：

CREATE OR REPLACE FUNCTION sortwords (words text) RETURNS text AS 
   $$ SELECT string_agg(lower(s), ' ' order by s) 
      FROM regexp_split_to_table($1, '\s+') s(s) $$ 
      LANGUAGE sql IMMUTABLE;

关键字IMMUTABLE 表示函数结果完全依赖于它的参数，因此该函数适合创建索引。

然后，创建索引：

CREATE INDEX mytable_sortwords ON mytable (sortwords(sentence));

并执行如下选择：

SELECT * FROM mytable WHERE sortwords(sentence) = sortwords('some words');

这样做的好处是，每行只执行一次单词的排序（这可能非常昂贵）（无论是在创建索引时还是在行插入时）。

Answer 2

with t(s) as (values
    ('lorem dolor ipsum'),
    ('lorem ipsum'),
    ('ipsum dolor'),
    ('ipsum dolor')
)
select *
from t
where 
    (
        select string_agg(lower(s), ' ' order by s)
        from regexp_split_to_table(s, '\s+') s(s)
    )
    =
    (
        select string_agg(lower(s), ' ' order by s)
        from regexp_split_to_table('lorem ipsum dolor', '\s+') s(s)
    )
;
         s         
-------------------
 lorem dolor ipsum

http://www.postgresql.org/docs/current/static/functions-aggregate.html http://www.postgresql.org/docs/current/static/functions-string.html#FUNCTIONS-STRING-OTHER

Answer 3

实现此目的的一种方法是中断搜索文本，然后添加为过滤器，如下所示：

select * from test 
 where sentence like '%lorem%'
   and sentence like '%ipsum%'
   and sentence like '%dolor%';

这将得到包含这三个单词的所有句子，顺序不限。 在这里看到它的工作：http://sqlfiddle.com/#!15/28ac1/3

编辑

为了在任何情况下都获得结果，您必须像这样将lower 函数添加到字段sentence：

select * from test 
 where lower(sentence) like '%lorem%'
   and lower(sentence) like '%ipsum%'
   and lower(sentence) like '%dolor%';

在这里查看：http://sqlfiddle.com/#!15/6dfb9/1

编辑 2

正如 OP 在 cmets 中所说，他只需要只包含三个搜索词的注册表，我会采用这种方法：

select * from test 
 where position('lorem' in lower(sentence))>0
   and position('ipsum' in lower(sentence))>0
   and position('dolor' in lower(sentence))>0
   and array_length(regexp_split_to_array(sentence, E'\\s+')::text[],1) =
       array_length(regexp_split_to_array('lorem ipsum dolor', E'\\s+')::text[],1)

在这里查看它的工作原理：http://sqlfiddle.com/#!15/a5404/5