PostgreSQL选择逗号分隔值列的不同值，不包括子集答案

【问题标题】：PostgreSQL Select distinct values of comma separated values column excluding subsetsPostgreSQL选择逗号分隔值列的不同值，不包括子集
【发布时间】：2023-03-21 19:55:01
【问题描述】：

假设有一个表 foo 列 bar 带有逗号分隔值 ('a,b' , 'a,b,c' , 'A B C D' ， 'd,e') 如何选择最大的组合并排除该组合中包含的所有子集（最大的一个）：

上面数据集的例子，结果应该是：

('a,b,c,d' , 'd,e' ) 和前两个实体 ('a,b', 'a,b,c') 被排除在外，因为它们是 ('a,b,c,d') 的子集。

考虑到逗号分隔字符串中的所有值都按字母顺序排序

我尝试了以下查询，但结果似乎离我需要的有点远：

select distinct a.bar from foo a   inner join foo b
on a.bar like '%'|| b.bar||'%' 
and a.bar != b.bar

【问题讨论】：

('a,b' , 'a,b,c' , 'a,b,c,d' , 'd,e') 是一行一个列中的单个值吗？

标签： sql postgresql

【解决方案1】：

您可以使用string_to_array() 将字符串拆分为一个数组。使用包含运算符@>，您可以检查一个数组是否包含另一个数组。（见"9.18. Array Functions and Operators"。）

在NOT EXISTS 子句中使用它。 fi.ctid <> fo.ctid 是为了确保被比较的行对的物理地址不相等，因为一行的数组当然会包含与同一行比较的数组。

SELECT fo.bar
       FROM foo fo
       WHERE NOT EXISTS (SELECT *
                                FROM foo fi
                                WHERE fi.ctid <> fo.ctid
                                      AND string_to_array(fi.bar, ',') @> string_to_array(fo.bar, ','));

SQL Fiddle

但我无法抗拒：不要在关系数据库中使用逗号分隔的字符串。你有更好的东西。它被称为“表”。

【讨论】：

【解决方案2】：

先将字符串处理成字符集，然后将字符集与自身交叉连接，不包括两边字符集相同的行。

接下来，在 HAVING 子句中聚合并使用 BOOL_OR 来过滤掉作为任何其他字符集子集的任何字符集

在 cte 中定义了一个示例表，查询变为：

WITH foo(bar) AS (SELECT '("a,b" , "a,b,c" , "a,b,c,d" , "d,e")'::TEXT)
SELECT bar, string_to_array(elems[1], ',') not_subset
FROM foo
CROSS JOIN regexp_matches(bar, '[\w|,]+', 'g') elems 
CROSS JOIN regexp_matches(bar, '[\w|,]+', 'g') elems2
WHERE elems2[1] != elems[1] 
  -- my regex also matches the ',' between sets which need to be ignored
  -- alternatively, i have to refine the regex
  AND elems2[1] != ','
  AND elems[1] != ','
GROUP BY 1, 2
HAVING NOT BOOL_OR(string_to_array(elems[1], ',') <@ string_to_array(elems2[1], ','))

产生输出

bar                                     not_subset
'("a,b" , "a,b,c" , "a,b,c,d" , "d,e")' {'d','e'}
'("a,b" , "a,b,c" , "a,b,c,d" , "d,e")' {'a','b','c','d'}

example in sql fiddle

【讨论】：