如何计算Oracle SQL中分隔字符串中的单词数

Question

例如，我有一个名为“Table1”的表。和名为“国家”的列。 我想计算字符串中单词的值。下面是我的“国家”列的数据：

country:
"japan singapore japan chinese chinese chinese"

预期输出：在上面的数据中，我们可以看到日本出现了两次，新加坡出现了一次，中文出现了 3 次。我想计算单词的值，其中日本为 1，新加坡为 1，中文为 1。因此输出将是 3。请帮助我

ValueOfWord: 3

Answer 1

首先，将多个值作为分隔字符串存储在单个列中是一种糟糕的设计。您应该考虑将数据规范化作为永久解决方案。

使用非规范化数据，您可以在单个 SQL 中使用 REGEXP_SUBSTR：

SELECT COUNT(DISTINCT(regexp_substr(country, '[^ ]+', 1, LEVEL))) as "COUNT"
FROM table_name
  CONNECT BY LEVEL <= regexp_count(country, ' ')+1 
/

演示：

SQL> WITH sample_data AS
  2    ( SELECT 'japan singapore japan chinese chinese chinese' str FROM dual
  3    )
  4  -- end of sample_data mocking real table
  5  SELECT COUNT(DISTINCT(regexp_substr(str, '[^ ]+', 1, LEVEL))) as "COUNT"
  6  FROM sample_data
  7    CONNECT BY LEVEL <= regexp_count(str, ' ')+1
  8  /

     COUNT
----------
         3

请参阅Split single comma delimited string into rows in Oracle 以了解查询的工作原理。

---

更新

对于多个分隔字符串行，您需要注意由 CONNECT BY 子句形成的行数。

请参阅Split comma delimited strings in a table in Oracle 了解执行相同任务的更多方法。

设置

假设你有一个这样的 3 行表：

SQL> CREATE TABLE t(country VARCHAR2(200));

Table created.

SQL> INSERT INTO t VALUES('japan singapore japan chinese chinese chinese');

1 row created.

SQL> INSERT INTO t VALUES('singapore indian malaysia');

1 row created.

SQL> INSERT INTO t VALUES('french french french');

1 row created.

SQL> COMMIT;

Commit complete.

SQL> SELECT * FROM t;

COUNTRY
---------------------------------------------------------------------------
japan singapore japan chinese chinese chinese
singapore indian malaysia
french french french

• 使用 REGEXP_SUBSTR 和 REGEXP_COUNT：

我们希望输出为 6，因为有 6 个唯一字符串。

SQL> SELECT COUNT(DISTINCT(regexp_substr(t.country, '[^ ]+', 1, lines.column_value))) count
  2    FROM t,
  3      TABLE (CAST (MULTISET
  4      (SELECT LEVEL FROM dual
  5              CONNECT BY LEVEL <= regexp_count(t.country, ' ')+1
  6      ) AS sys.odciNumberList ) ) lines
  7    ORDER BY lines.column_value
  8  /

     COUNT
----------
         6

还有许多其他方法可以实现所需的输出。让我们看看如何：

• 使用 XMLTABLE

SQL> 选择计数（DISTINCT（国家））计数 2 从 3 (SELECT trim(COLUMN_VALUE) 国家 4 从吨， 5 xmltable(('"' 6 ||替换（国家，''，'","'） 7 || '"')) 8) 9 / 数数 ---------- 6

• 使用MODEL子句

SQL> 与 2 模型参数 AS 3 ( 4 选择国家作为 orig_str ， 5'' 6 ||国家 7 || ' ' 作为 mod_str , 8 1 作为开始位置， 9 长度（国家） AS end_pos , 10（长度（国家）- 11 LENGTH(REPLACE(country, ' '))) + 1 AS element_count , 12 0 AS element_no , 13 ROWNUM AS rn 14 从吨） 15 SELECT COUNT(DISTINCT(Substr(mod_str, start_pos, end_pos-start_pos))) 计数 16 从 ( 17 选择 * 18 来自模型参数 19 模型分区依据 (rn, orig_str, mod_str) 20 DIMENSION BY (element_no) 21 MEASURES (start_pos, end_pos, element_count) 22 条规则迭代 (2000) 23 直到 (ITERATION_NUMBER+1 = element_count[0]) 24 ( start_pos[ITERATION_NUMBER+1] = 25 instr(cv(mod_str), '', 1, cv(element_no)) + 1, 26 end_pos[ITERATION_NUMBER+1] = 27 instr(cv(mod_str), ' ', 1, cv(element_no) + 1) ) 28) 29 哪里 element_no != 0 30 按 mod_str 、 element_no 排序 31 / 数数 ---------- 6

Answer 2

您是否将这种字符串存储在单个条目中？

如果不行，试试

SELECT COUNT(*)
    FROM (SELECT DISTINCT T.country FROM Table1 T)

如果是，我会编写一个外部程序来解析字符串并返回你想要的结果。

喜欢使用java。

创建一个字符串集。

我将使用 JDBC 来检索记录，并使用 split 使用 ' ' 分隔符将字符串拆分为标记。对于每个标记，如果它不在集合中，则将其添加到集合中。

解析完成后，获取集合的长度，也就是你想要的值。

Answer 3

根据空格分隔符分断字符串

SELECT COUNT(DISTINCT regexp_substr(col, '[^ ]+', 1, LEVEL))
  FROM T
CONNECT BY LEVEL <= regexp_count(col, ' ')+1

用于计算 DISTINCT 单词

    SELECT col,
COUNT(DISTINCT regexp_substr(col, '[^ ]+', 1, LEVEL))
  FROM T
CONNECT BY LEVEL <= regexp_count(col, ' ')+1
GROUP BY col

FIDDLE