比较 PostgreSQL 中的两个逗号分隔的列

Question

我有两个表，其中一个列包含逗号分隔的数据。我需要比较这两列。逗号分隔的字段可以按任何顺序排列，但顺序无关紧要。

create table x_a (id1 integer, shared text);
create table x_b (id1 integer, shared text);

insert into x_a values 
  (1, 'A,B,C,D,E')
, (2, 'A,B,C,D,E');

insert into x_b values 
  (1, 'B,A,C,E,D')
, (2, 'B,A,C,E');

我使用了下面的查询，但它没有返回任何输出：

select a.id1,b.id1, a.shared, b.shared
from x_a a ,x_b b
where a.id1 = b.id1 
and regexp_split_to_array(LOWER(a.shared),',')
  = regexp_split_to_array(LOWER(b.shared),',')

我不能使用运算符&&，因为它会返回id=2，这是错误的，因为“共享”列不是精确的副本。

Answer 1

我不能使用运算符&&，因为它会返回错误的id=2 ...

但你可以像这样使用array operators @> and <@：

SELECT id1, a.shared AS a_shared, b.shared AS b_shared
FROM   x_a a
JOIN   x_b b USING (id1)
WHERE  string_to_array(a.shared, ',') @> string_to_array(b.shared, ',')
AND    string_to_array(a.shared, ',') <@ string_to_array(b.shared, ',');

如果 A 包含 B，B 包含 A，则两者相等 - 忽略重复项。

您可能希望存储（排序的）数组以开始 - 或使用 1:n 关系规范化您的数据库设计。

如果您的元素是 integer 数字，请考虑额外的 intarray 模块以获得卓越的性能。见：

• Compare arrays for equality, ignoring order of elements

Answer 2

数组的= 取决于元素的顺序，因此在将元素转换为数组时需要对其进行排序。我认为最简单的方法是使用您自己的功能来做到这一点。

create function string_to_array_sorted(p_input text)
  returns text[]
as
$$
  select array_agg(t.x order by t.x)
  from unnest(string_to_array(lower(p_input), ',')) as t(x);
$$
language sql
immutable;

请注意，如果您不需要正则表达式，string_to_array() 比 regexp_split_to_array() 更有效。

使用上述函数，您的查询可以写成：

select a.id1,b.id1, a.shared, b.shared
from x_a a 
  join x_b b on a.id1 = b.id1 
where string_to_array_sorted(a.shared) = string_to_array_sorted(b.shared);

请注意，我用“现代”（30 岁）显式 JOIN 运算符替换了古老、过时且脆弱的隐式连接。

您可以创建一个索引来加快速度：

create index on x_a (id1, string_to_array_sorted(shared));
create index on x_b (id1, string_to_array_sorted(shared));