Sql 测试短语，看它们是否匹配

我有大量的短语（~几百万），每个少于六七个单词，大多数少于五个，我想看看它们是否“短语匹配”。这是一个搜索引擎营销术语——本质上，如果B中包含a，则短语与B匹配。现在，它们存储在db（postgres）中，我正在正则表达式上执行联接（请参阅）。即使在尝试了所有基本的优化技巧（索引等）并尝试了提供的建议之后，它的运行速度也慢得令人难以置信。

---

有没有更简单的方法？我并不反对非DB解决方案。有没有任何理由认为正则表达式的杀伤力过大，而且比另一种解决方案花费的时间更长

如果能了解更多的上下文，了解为什么需要查看哪些短语是其他短语的子集，那就太好了：例如，不管怎样，DB的构建方式似乎很奇怪：因为DB的格式不合适，所以您现在必须做这项工作，因此，您应该“修复”数据库或它的构建方式是有意义的

这在很大程度上取决于您对数据做了什么以及为什么，但我发现在过去，将内容分解为单个单词和成对单词，然后将资源或短语链接到这些单个/成对单词是很有用的

例如，要实现我已完成的搜索，请执行以下操作：

源文本：测试要查看的短语

Testing phrases to see 参赛作品：

• 测试
• 测试短语
• 词组
• 短语
• 到
• 看
• 看

若要查看另一个短语是否相似（当然，不包含在其中），您可以用相同的方式分解另一个短语，并计算它们之间常见的短语数量

如果您使用（例如）“see phases to testing”（查看测试的阶段），它还有一个很好的副作用，即仍然匹配，因为单个单词会匹配。。但由于顺序不同，配对不会，因此同时考虑短语（连续词），匹配的数量不会像匹配中的“分数”那样高

---

正如我所说的那样，这类事情对我很有效，但如果能听到更多的背景/背景，那就太好了，这样我们就可以看看是否能找到更好的解决方案。

当你从MaasSQL之前的答案中找到“清理过的专栏”时，你可以，具体取决于“短语匹配”的工作方式（我不知道），根据包含字符串的长度对此列进行排序

然后确保在过程中以收敛的方式运行比较查询，而不是平面查询，方法是单步遍历表（使用光标），通过WHERE语句和删除已经测试过的候选项（完全删除）来消除用于比较的候选项。您可能需要一个临时表来执行此操作

我之前的“WHERE”语句是什么意思？好的，如果比较值位于按长度排序的列中，您将永远不必测试长字符串是否与短字符串匹配

删除候选字符串：从最短的字符串开始，一旦测试了特定长度的所有字符串，就可以将它们从比较表中删除，因为下一次测试将永远不会得到匹配的字符串

当然，这需要更多的编程，而不仅仅是一条SQL语句。这取决于“短语匹配”的工作方式

---

DTS或SSI可能也是您的朋友。

进行子字符串匹配的理想算法是

虽然您必须从数据库中读取数据才能使用它，但与更简单的方法相比，它的速度非常快

有关子字符串匹配的相关问题，请参阅：

---

对于Java中的AhoCorsick实现：

您能更详细地解释一下“A包含在B中”是什么意思吗？你指的是确切的字符串还是单个单词？我刚刚看过你的链接帖子。你在A和B中有多少张唱片？你得到你想要的答案了吗？如果是的话，你能接受吗？如果没有，你能说明你还在寻找什么吗？通常，你提供的信息越多，就越有可能有人能帮助你。