如何在 MySQL 列中找到最常提及的主题标签？答案

【问题标题】：How can I find the most frequently mentioned hashtags in a MySQL column?如何在 MySQL 列中找到最常提及的主题标签？
【发布时间】：2014-12-12 19:51:55
【问题描述】：

我的数据库有一个表 messages 有 3 个字段：'messageid',messagetext (varchar),dateposted (datetime)

我想在messagetext 字段中存储一堆消息以及它们各自在dateposted 字段中的发布日期。很多这些消息中都会包含hashtags。

然后，使用 PHP 和 MySQL，我想找出在过去一周发布的消息中，hashtags 最常提及的前 5 个主题标签。

我该怎么做？我真的很感激任何帮助。非常感谢。

【问题讨论】：

到目前为止，最简单的方法是在插入数据库时解析主题标签并将它们存储在单独的表中（具有多对多关系）。然后，您可以使用非常简单的 SQL 查询来查找最常用的主题标签。
我决定采用这条路线，方法是创建第二个名为 hashtags 的表，其中包含将引用消息表的字段“hashtag”和“messageid”。什么 SQL 查询会给我最常提到的主题标签？

标签： php mysql hashtag

【解决方案1】：

不要误会我的意思，但你已经为自己设置了一个受伤的世界。最好的方法是遵循 lonesomeday 的建议，并在插入时解析主题标签。这也大大减少了处理时间并使其更具确定性（工作负载在插入之间“分散”）。

如果你想继续，你需要解决几个问题。

1) 识别标签。

2) 多选标签。如果您有一条消息说“#MySQL 拆分是#cool”，您希望从一条消息中获取两行，一条是“MySQL”，另一条是“cool”。

3) 选择合适的消息

4) 表演

您至少可以通过两种方式解决此问题。您可以使用 stored function ，您可以找到 here on SO（实际上来自 this site） - 不过您必须对其进行修改。

此语法将使您在value 中第一次出现#hashtag 加上它后面的所有文本：

select substring(value, LENGTH(substring_index(value, '#', 1))+1);

然后，您需要确定每个#hashtag 的#stops 位置。（它可以是#parenthesized）。此时，您需要一个正则表达式，或搜索至少一个字母数字字符的序列 - 用正则表达式的说法，[a-zA-Z0-9]+ - 通过指定所有可能的字符或使用循环，即“#”是可以的，“#t " 可以，"#ta" 可以，"#tag" 可以，"#tag" 不行，所以你的标签是'#tag'（或'tag'）。

另一种更有前途的方法是使用用户定义函数来捕获主题标签；你可以使用PREG_CAPTURE。

您可能必须合并这两种方法：修改存储函数的设置和内部循环以读取

DECLARE cur1 CURSOR FOR SELECT messages.messagetext
                                 FROM messages
                                 WHERE messages.messagetext LIKE '%#%';
DECLARE CONTINUE HANDLER FOR NOT FOUND SET done = 1;

DROP TEMPORARY TABLE IF EXISTS table2;
CREATE TEMPORARY TABLE table2( hashtag` VARCHAR(255) NOT NULL

) 引擎=内存；

...

SET occurrence = (SELECT LENGTH(msgtext)
                     - LENGTH(REPLACE(msgtext, '#, ''))
                     +1);
SET i=1;
WHILE i <= occurrence DO
  INSERT INTO table2 VALUES SELECT PREG_CAPTURE('/#([a-z0-9]+)/i', messagetext, occurrence));
  SET i = i + 1;

END WHILE;
...

这将返回一个消息 ID 和主题标签列表。然后你需要GROUP他们BY标签，计数他们和ORDER计数DESC，最后添加LIMIT 5，只得到五个最受欢迎的。

【讨论】：