2

我有一个表格，其内容类似于：

id | title
------------
1  | 5. foo
2  | 5.foo
3  | 5. foo*
4  | bar
5  | bar*
6  | baz
6  | BAZ

…等等。我想按标题分组并忽略多余的部分。我知道 Postgres 可以做到这一点：

SELECT * FROM (
  SELECT regexp_replace(title, '[*.]+$', '') AS title
  FROM table
) AS a
GROUP BY title

但是，这很简单，如果我试图预测所有可能的变化，那将变得非常笨拙。所以，问题是，有没有比使用正则表达式更通用的方法来进行模糊分组？是否有可能，至少在不伤筋动骨的情况下这样做？

编辑：为了澄清，没有任何变化的偏好，这是分组后表格的样子：

title
------
5. foo
bar
baz

即，变化将是仅由几个字符或大写字母不同的项目，只要将它们分组，剩下哪些并不重要。

4

2 回答 2

3

对于任何分组，您都应该具有传递相等性，即a ~= b, b ~= c => a ~= c.

严格使用单词来表述它，我们将尝试使用SQL.

例如，应该foo*bar去哪个组？

更新：

此查询用空格替换所有非字母数字字符并返回每个组的第一个标题：

SELECT  DISTINCT ON (REGEXP_REPLACE(UPPER(title), '[^[:alnum:]]', '', 'g')) title
FROM    (
        VALUES
        (1, '5. foo'),
        (2, '5.foo'),
        (3, '5. foo*'),
        (4, 'bar'),
        (5, 'bar*'),
        (6, 'baz'),
        (7, 'BAZ')
        ) rows (id, title)
于 2009-10-30T17:30:32.033 回答
2

有时，您将不得不定义是什么使一组值属于一个组。如果这太难了，也许您应该禁止和禁止输入模糊数据，或者如果您必须允许，请添加一个包含经过清理的标题版本的列，以供分组操作使用。

于 2009-10-30T17:32:38.770 回答