计算用多个空格分隔的单词的频率

Question

我想计算一列中所有单词的出现次数。棘手的部分是连续的单词可能会出现很长的一段。表示中间有很多空格。

这是一个虚拟示例：

column_name

aaa bbb ccc ddd
[aaa]
bbb
bbb

到目前为止，我设法使用了以下代码

SELECT column_name, 
    SUM(LEN(column_name) - LEN(REPLACE(column_name, ' ', ''))+1) as counts
FROM 
    dbo.my_own
GROUP BY 
    column_name

代码给了我这样的感觉

column_name         counts

aaa bbb ccc ddd     1
[aaa]               1
bbb                 2

但是，我想要的输出是：

column_name         counts

aaa                 1
[aaa]               1
bbb                 3
ccc                 1
ddd                 1

Answer 1

在 SQL Server 中，您将使用 string_split():

select s.value as word, count(*)
from dbo.my_own o cross apply
     string_split(o.column_name, ' ') s
where s.value <> ''
group by s.value;

字符串操作高度依赖于数据库。大多数数据库都有一些方法可以做到这一点，但它们可能完全不同。

Answer 2

首先，查看this question，了解如何将列中的单词拆分为多行。在那个问题中，单词用逗号分隔，但当然，它与空格相同。

对于您的情况，假设表tablename 带有id 和您在columnname 中的单词，其中您在列中最多有4 个单词，它看起来像这样：

SELECT
    tablename.id,
    SUBSTRING_INDEX(SUBSTRING_INDEX(tablename.columnname, ' ', numbers.n), ' ', -1) columnname
FROM
    (SELECT 1 AS n UNION ALL
     SELECT 2 UNION ALL
     SELECT 3 UNION ALL
     SELECT 4) numbers
     INNER JOIN tablename
     ON LENGTH(tablename.columnname) - LENGTH(REPLACE(tablename.columnname, ' ', '')) >= numbers.n - 1
ORDER BY
    id, n

然后，你可以简单地数单词：

SELECT columnname, count(*) FROM (
    SELECT
        tablename.id,
        SUBSTRING_INDEX(SUBSTRING_INDEX(tablename.columnname, ' ', numbers.n), ' ', -1) columnname
    FROM
        (SELECT 1 AS n UNION ALL
         SELECT 2 UNION ALL
         SELECT 3 UNION ALL
         SELECT 4) numbers
         INNER JOIN tablename
         ON LENGTH(tablename.columnname) - LENGTH(REPLACE(tablename.columnname, ' ', '')) >= numbers.n - 1
    ORDER BY
        id, n
) normalized
GROUP BY columnname

如果您的列中的单词超过 4 个，则需要相应地扩展从 numbers 中选择的内容。

编辑：哦，我迟到了，我假设是 MySQL。