1

我有一个 pl/pgsql 脚本，它需要检查一个单词/句子是否在一个字符串中，它必须注意单词边界，并且不区分大小写。

例子：

  • 字符串：“我的标签 xx zz yy”，模式：“我的标签”，MATCH
  • 字符串：“xx 我的标签 zz”，模式：“我的标签”，MATCH
  • 字符串：“我的标签xx zz”，模式：“我的标签”，不匹配

所以显而易见的解决方案是使用正则表达式，如下所示：

select _label ~* (E'\\y' || _pattern || E'\\y') into _match;

与简单的相比，它可以工作但速度很慢

select _label ilike '%' || _pattern || '%' into _match;

这包含在一个函数中，我的脚本调用了 A LOT（数千万，我做了很多递归），并且由于这个要求，整体运行时间翻了一番。

现在我的问题是，有没有更快的方法来实现这个？

谢谢。

编辑：最终使用了这个：

if _label ilike '%' || _pattern || '%' then
    select _label ~* (E'\\m' || _pattern || E'\\M') into _match;
end if;

而且速度明显更快。

4

1 回答 1

2

我会考虑全文搜索功能，但根据您的描述，我可能会使用 PostgreSQL arrays来实现这一点。

首先：定义一个函数，它接受一个标签，将其小写（如果您愿意，也可以大写），在单词边界上拆分它，然后返回一个数组。说：

CREATE OR REPLACE FUNCTION label_to_array(text) RETURNS text[] AS $$
SELECT regexp_split_to_array(lower($1), E'\\W');
$$ LANGUAGE sql IMMUTABLE;

$ select label_to_array('my label xx zz yy');
   label_to_array    
---------------------
 {my,label,xx,zz,yy}

现在，在这个函数上创建一个GIN 索引：

CREATE INDEX sometable_label_array_key ON sometable
 USING GIN((label_to_array(label));

从这里开始，PostgreSQL 可以将此索引用于许多涉及数组运算符的查询，例如“包含”：

SELECT *
FROM sometable
WHERE label_to_array(label) @> label_to_array('my label');

此查询将拆分'my label'为{my,label}，然后使用索引查找包含 的行列表，my将其与包含 的行列表相交，label然后返回结果。这并不完全等同于您的原始查询（因为它不检查它们的顺序），但由于它使用索引来消除表中的大部分行，所以在最后添加原始检查就可以了：

SELECT *
FROM sometable
WHERE label_to_array(label) <@ label_to_array('my label')
AND label ~* (E'\\y' || 'my label' || E'\\y');
于 2012-11-05T15:32:33.973 回答