Как извлечь n-е слово и посчитать вхождения слов в строке MySQL?

Ответ 1

Ниже приводится предлагаемое решение для конкретной задачи OP (извлечение 2-го слова строки), но следует отметить, что, поскольку состояния ответа mc0e, фактическое извлечение совпадений регулярных выражений не поддерживается из-за-коробки в MySQL. Если вам это действительно нужно, ваши варианты в основном состоят в том, чтобы: 1) сделать это в пост-обработке на клиенте или 2) установить расширение MySQL для его поддержки.

BenWells имеет это почти правильно. Работая с его кодом, здесь немного скорректированная версия:

SUBSTRING(
  sentence,
  LOCATE(' ', sentence) + CHAR_LENGTH(' '),
  LOCATE(' ', sentence,
  ( LOCATE(' ', sentence) + 1 ) - ( LOCATE(' ', sentence) + CHAR_LENGTH(' ') )
)

В качестве рабочего примера я использовал:

SELECT SUBSTRING(
  sentence,
  LOCATE(' ', sentence) + CHAR_LENGTH(' '),
  LOCATE(' ', sentence,
  ( LOCATE(' ', sentence) + 1 ) - ( LOCATE(' ', sentence) + CHAR_LENGTH(' ') )
) as string
FROM (SELECT 'THIS IS A TEST' AS sentence) temp

Это успешно извлекает слово IS

Ответ 2

Более короткая опция для извлечения второго слова в предложении:

SELECT SUBSTRING_INDEX(SUBSTRING_INDEX('THIS IS A TEST', ' ',  2), ' ', -1) as FoundText

Документы MySQL для SUBSTRING_INDEX

Ответ 3

В соответствии с http://dev.mysql.com/ функция SUBSTRING использует начальную позицию, тогда длина, следовательно, функция для второго слова будет:

SUBSTRING(sentence,LOCATE(' ',sentence),(LOCATE(' ',LOCATE(' ',sentence))-LOCATE(' ',sentence)))

Ответ 4

Нет, нет синтаксиса для извлечения текста с использованием регулярных выражений. Вы должны использовать обычные функции обработки строк.

Альтернативно выберите все значение из базы данных (или первых n символов, если вас беспокоит слишком большая передача данных), а затем используйте регулярное выражение на клиенте.

Ответ 5

Как говорили другие, mysql не предоставляет инструменты regex для извлечения подстроки. Это не значит, что вы не можете их использовать, если вы готовы расширить mysql с помощью пользовательских функций:

https://github.com/mysqludf/lib_mysqludf_preg

Это может быть не очень полезно, если вы хотите распространять свое программное обеспечение, являясь препятствием для установки вашего программного обеспечения, но для внутреннего решения это может быть уместно.

Ответ 6

Я использовал ответ Брендана Буллена как отправную точку для аналогичной проблемы, которую я имел, чтобы извлечь значение определенного поля в строке JSON. Однако, как я прокомментировал его ответ, это не совсем точно. Если ваша левая граница - это не просто пространство, как в исходном вопросе, то расхождение увеличивается.

Исправленное решение:

SUBSTRING(
    sentence,
    LOCATE(' ', sentence) + 1,
    LOCATE(' ', sentence, (LOCATE(' ', sentence) + 1)) - LOCATE(' ', sentence) - 1
)

Два отличия: +1 в индексе индекса SUBSTRING и -1 в параметре длины.

Для более общего решения "найти первое вхождение строки между двумя предоставленными границами":

SUBSTRING(
    haystack,
    LOCATE('<leftBoundary>', haystack) + CHAR_LENGTH('<leftBoundary>'),
    LOCATE(
        '<rightBoundary>',
        haystack,
        LOCATE('<leftBoundary>', haystack) + CHAR_LENGTH('<leftBoundary>')
    )
    - (LOCATE('<leftBoundary>', haystack) + CHAR_LENGTH('<leftBoundary>'))
)

Ответ 7

Я не думаю, что это возможно. Вы можете использовать функцию SUBSTRING чтобы извлечь SUBSTRING часть.

Ответ 8

Моя доморощенная функция замены регулярного выражения может быть использована для этого.

демонстрация

Посмотрите эту демонстрацию DB-Fiddle, которая возвращает второе слово ("I") из известного сонета и количество его появлений (1).

SQL

Предполагая, что используется MySQL 8 или более поздней версии (чтобы разрешить использование общего табличного выражения), следующее вернет второе слово и количество его вхождений:

WITH cte AS (
     SELECT digits.idx,
            SUBSTRING_INDEX(SUBSTRING_INDEX(words, '~', digits.idx + 1), '~', -1) word
     FROM
     (SELECT reg_replace(UPPER(txt),
                         '[^''a-zA-Z-]+',
                         '~',
                         TRUE,
                         1,
                         0) AS words
      FROM tbl) delimited
     INNER JOIN
     (SELECT @row := @row + 1 as idx FROM 
      (SELECT 0 UNION ALL SELECT 1 UNION ALL SELECT 3 UNION ALL SELECT 4 UNION ALL SELECT 5 UNION ALL SELECT 6 UNION ALL SELECT 6 UNION ALL SELECT 7 UNION ALL SELECT 8 UNION ALL SELECT 9) t1,
      (SELECT 0 UNION ALL SELECT 1 UNION ALL SELECT 3 UNION ALL SELECT 4 UNION ALL SELECT 5 UNION ALL SELECT 6 UNION ALL SELECT 6 UNION ALL SELECT 7 UNION ALL SELECT 8 UNION ALL SELECT 9) t2, 
      (SELECT 0 UNION ALL SELECT 1 UNION ALL SELECT 3 UNION ALL SELECT 4 UNION ALL SELECT 5 UNION ALL SELECT 6 UNION ALL SELECT 6 UNION ALL SELECT 7 UNION ALL SELECT 8 UNION ALL SELECT 9) t3, 
      (SELECT 0 UNION ALL SELECT 1 UNION ALL SELECT 3 UNION ALL SELECT 4 UNION ALL SELECT 5 UNION ALL SELECT 6 UNION ALL SELECT 6 UNION ALL SELECT 7 UNION ALL SELECT 8 UNION ALL SELECT 9) t4, 
      (SELECT @row := -1) t5) digits
     ON LENGTH(REPLACE(words, '~' , '')) <= LENGTH(words) - digits.idx)
SELECT c.word,
       subq.occurrences
FROM cte c
LEFT JOIN (
  SELECT word,
         COUNT(*) AS occurrences
  FROM cte
  GROUP BY word
) subq
ON c.word = subq.word
WHERE idx = 1; /* idx is zero-based so 1 here gets the second word */

объяснение

В вышеприведенном SQL используется несколько приемов, и требуется некоторая аккредитация. Во-первых, заменитель регулярного выражения используется для замены всех непрерывных блоков несловарных символов, каждый из которых заменяется одним символом тильды (~). Примечание. Вместо этого можно выбрать другой символ, если в тексте есть вероятность появления тильды.

Техника из этого ответа затем используется для преобразования строки с разделенными значениями в отдельные значения строки. В сочетании с умным приемом из этого ответа он сгенерировал таблицу, состоящую из последовательности возрастающих чисел: в данном случае 0 - 10000.

Ответ 9

Значение поля:

 "- DE-HEB 20% - DTopTen 1.2%"
SELECT ....
SUBSTRING_INDEX(SUBSTRING_INDEX(DesctosAplicados, 'DE-HEB ',  -1), '-', 1) DE-HEB ,
SUBSTRING_INDEX(SUBSTRING_INDEX(DesctosAplicados, 'DTopTen ',  -1), '-', 1) DTopTen ,

FROM TABLA 

Результат:

  DE-HEB       DTopTEn
    20%          1.2%