我正在努力完成以下工作。假设我们有一个包含这些字段（ID、内容）的表
1 |苹果
2 |菠萝
3 |应用
4 |国家
现在，我正在寻找一个可以告诉我所有可能的常见匹配项的函数。例如，如果参数为“3”，则该函数将返回出现在多于一条记录中的 3 个字符中的所有可能字符串。
在这种情况下，我得到 "app","ppl","ple","ati","tio","ion"
如果参数是“4”，我得到：“appl”，“pple”，“atio”，“tion”
如果参数是“5”，我得到：“apple”，“ation”
如果参数为“6”，则返回 nohting。
直到现在，我还没有找到实现这个功能的函数。
谢谢！
一些额外的信息： 我在带有 MySQL 数据库的 PHP 脚本中使用它。我真的只想给出字符数量作为参数，当然还有要搜索的表格。
【问题讨论】：
标签： mysql string-matching
嗯，这有点难看，但它确实工作正常。它是通用 SQL，适用于任何环境。只需生成大于您正在读取的字段的最大长度的子字符串的多个选择。将函数中的数字 50 更改为超出字段长度的数字。它可能会返回一个非常长的查询，但就像我说的那样，它会正常工作。以下是 Python 中的示例：
import sqlite3
c = sqlite3.connect('test.db')
c.execute('create table myTable (id integer, content varchar[50])')
for id, content in ((1,'apple'),(2,'pineapple'),(3,'application'),(4,'nation')):
c.execute('insert into myTable values (?,?)', [id,content])
c.commit();
def GenerateSQL(substrSize):
subqueries = ["select substr(content,%i,%i) AS substr, count(*) AS myCount from myTable where length(substr(content,%i,%i))=%i group by substr(content,%i,%i) " % (i,substrSize,i,substrSize,substrSize,i,substrSize) for i in range(50)]
sql = 'select substr FROM \n\t(' + '\n\tunion all '.join(subqueries) + ') \nGROUP BY substr HAVING sum(myCount) > 1'
return sql
print GenerateSQL(3)
print c.execute(GenerateSQL(3)).fetchall()
生成的查询如下：
select substr FROM
(select substr(content,0,3) AS substr, count(*) AS myCount from myTable where length(substr(content,0,3))=3 group by substr(content,0,3)
union all select substr(content,1,3) AS substr, count(*) AS myCount from myTable where length(substr(content,1,3))=3 group by substr(content,1,3)
union all select substr(content,2,3) AS substr, count(*) AS myCount from myTable where length(substr(content,2,3))=3 group by substr(content,2,3)
union all select substr(content,3,3) AS substr, count(*) AS myCount from myTable where length(substr(content,3,3))=3 group by substr(content,3,3)
union all select substr(content,4,3) AS substr, count(*) AS myCount from myTable where length(substr(content,4,3))=3 group by substr(content,4,3)
... )
GROUP BY substr HAVING sum(myCount) > 1
它产生的结果是：
[(u'app',), (u'ati',), (u'ion',), (u'nat',), (u'pin',), (u'ple',), (u'ppl',), (u'tio',)]
【讨论】：
很抱歉，我有一段时间没有玩 php，而且我没有合适的测试环境，但我很快在 c# 3.5 中设计了一种方法
伪代码：用指定长度的字符串和旁边的出现次数构建一个表。选择其中 count > 1：
static void Main(string[] args)
{
string[] data = { "apple", "pinapple", "application", "nation" };
string[] result = my_func(3,data);
foreach (string str in result)
{
Console.WriteLine(str);
}
Console.ReadKey();
}
private static string[] my_func(int l, string[] data)
{
Dictionary<string,int> dict = new Dictionary<string,int>();
foreach (string str in data)
{
for (int i = 0; i < str.Length - l + 1; i++)
{
string part = str.Substring(i, l);
if (dict.ContainsKey(part))
{
dict[part]++;
}else {
dict.Add(part,1);
}
}
}
var result = from k in dict.Keys
where dict[k] > 1
orderby dict[k] descending
select k;
return result.ToArray<string>();
}
【讨论】：
一个明显的选择是使用正则表达式。我没有这方面的经验，但这可能对您有所帮助： http://dev.mysql.com/doc/refman/5.1/en/regexp.html
你需要找到一个合适的表达式来匹配你所需要的。
【讨论】：