来自查询嵌套 JSON 的未知重复项

Question

我想在表格中的 JSON 对象中进行文本搜索。

我有一个名为 Audio 的表，其结构如下：

id| keyword | transcript | user_id | company_id | client_id 
-----------------------------------------------------------

这是transcript的JSON数据结构：

{"transcript": [
    {"duration": 2390.0, 
    "interval": [140.0, 2530.0], 
    "speaker": "Speaker_2", 
    "words": [
        {"p": 0, "s": 0, "e": 320, "c": 0.545, "w": "This"}, 
        {"p": 1, "s": 320, "e": 620, "c": 0.825, "w": "call"}, 
        {"p": 2, "s": 620, "e": 780, "c": 0.909, "w": "is"}, 
        {"p": 3, "s": 780, "e": 1010, "c": 0.853, "w": "being"}, 
        {"p": 4, "s": 1010, "e": 1250, "c": 0.814, "w": "recorded"}
        ]
    }, 
    {"duration": 4360.0, 
    "interval": [3280.0, 7640.0], 
    "speaker": "Speaker_1", 
    "words": [
        {"p": 5, "s": 5000, "e": 5020, "c": 0.079, "w": "as"},
        {"p": 6, "s": 5020, "e": 5100, "c": 0.238, "w": "a"},
        {"p": 7, "s": 5100, "e": 5409, "c": 0.689, "w": "group"},
        {"p": 8, "s": 5410, "e": 5590, "c": 0.802, "w": "called"},
        {"p": 9, "s": 5590, "e": 5870, "c": 0.834, "w": "tricks"}
        ]
    },
    ...
}

我要做的是在“words”中的“w”字段中进行文本搜索。这是我尝试运行的查询：

WITH info_data AS (
    SELECT transcript_info->'words' AS info
    FROM Audio t, json_array_elements(transcript->'transcript') AS transcript_info)
SELECT info_item->>'w', id
FROM Audio, info_data idata, json_array_elements(idata.info) AS info_item
WHERE info_item->>'w' ilike '%this';

现在我只有四列数据，第五列为空。总共有五列。但是，我得到了以下结果，即使没有数据的列也会产生输出：

?column? | id 
----------+----
 This     |  2
 This     |  5
 This     |  1
 This     |  3
 This     |  4
 This     |  2
 This     |  5

我很想知道我的查询存在什么问题，以及是否有更有效的方法来执行此操作。

Answer 1

问题是您一方面在表Audio 和另一方面info_data 和info_item 之间进行笛卡尔连接（后两者之间存在隐式横向连接）：

FROM Audio, info_data idata, json_array_elements(idata.info) AS info_item

您可以通过在 CTE 中添加 Audio.id 然后添加 WHERE Audio.id = info_data.id 来解决此问题。

这是否是最有效的解决方案值得怀疑（CTE 很少如此）。如果你只是想得到那些单词“this”是成绩单中的单词的行，那么你很可能像这样更好：

SELECT DISTINCT id
FROM (
    SELECT id, transcript_info->'words' AS info
    FROM Audio, json_array_elements(transcript->'transcript') AS transcript_info) AS t,
    json_array_elements(info) AS words
WHERE words->>'w' ILIKE 'this';

请注意，模式字符串中的% 效率非常低。由于除了“this”以外的英语单词很少有相同的结尾，我冒昧地删除了它。