0

有人有最长公共子串（LCS）的MySQL函数吗？我在这里找到了一个函数，但是在 SQL 中。作为一名自学成才的程序员，我对 MySQL 了解不多，但从事艺术与语言项目。

4

1 回答 1

3

MySQL 可以说不是实现字符串操作函数的最合适的地方，通常我们需要一些问题来展示对所需代码的一些努力。我在这方面有点灵活，因为您至少找到了您正在尝试做的事情的参考，并询问 MySQL 是否具有本机功能。

它没有。

您还询问是否可以为 MySQL 重写示例代码。

它不能。它似乎依赖于 MySQL Server 中未实现的功能。

然而......这个问题引起了我的兴趣，我喜欢在 MySQL 中做一些不寻常的事情（有时，能够在数据库中做一些事情真是太好了，即使它不一定是最有效的地方，有时它可以说是错误的地方，但仍然很方便）......所以今天早上我洗了个澡，而不是淋浴，在那段时间里，我想出了这个：

DELIMITER $$

DROP FUNCTION IF EXISTS `longest_common_substring` $$
CREATE FUNCTION `longest_common_substring`(short_str TEXT, long_str TEXT) RETURNS text CHARSET utf8
    NO SQL
    DETERMINISTIC
BEGIN
-- http://stackoverflow.com/questions/35545281/mysql-longest-common-substring
DECLARE short_len INT DEFAULT CHAR_LENGTH(short_str);
DECLARE long_len INT DEFAULT CHAR_LENGTH(long_str);
DECLARE swap_str TEXT;

DECLARE max_matched_len INT DEFAULT 0;
DECLARE max_at_left_marker INT DEFAULT NULL;
DECLARE max_at_match_len INT DEFAULT NULL;
DECLARE left_marker INT DEFAULT 0;
DECLARE match_len INT DEFAULT NULL;

IF short_str IS NULL OR long_str IS NULL THEN
  RETURN NULL;
ELSEIF short_str = long_str THEN
  RETURN short_str;
END IF;

IF short_len > long_len THEN
  SET swap_str = long_str;
  SET long_str = short_str;
  SET short_str = swap_str;
  SET short_len = long_len;
  SET long_len = CHAR_LENGTH(long_str);
END IF;

left_loop:
LOOP
  SET left_marker = left_marker + 1;
  IF left_marker + max_matched_len > short_len THEN
    LEAVE left_loop;
  END IF;
  SET match_len = max_matched_len;
  right_loop:
  LOOP
    SET match_len = match_len + 1;
    IF 1 - left_marker + match_len > short_len THEN
      LEAVE right_loop;
    END IF;
    IF long_str LIKE CONCAT ('%',SUBSTRING(short_str FROM left_marker FOR match_len),'%') THEN
      SET max_matched_len = match_len, max_at_left_marker = left_marker;
    ELSE
      LEAVE right_loop;
    END IF;
  END LOOP;
END LOOP;

IF (max_matched_len) THEN
  RETURN SUBSTRING(short_str FROM max_at_left_marker FOR max_matched_len);
ELSE
  RETURN NULL;
END IF;

END $$

DELIMITER ;

它似乎工作正常。

mysql> SELECT longest_common_substring('Lions are growing like yellow roses on the wind','and we turn gracefully in the medieval garden of their roaring blossoms');
+-------------------------------------------------------------------------------------------------------------------------------------------------------+
| longest_common_substring('Lions are growing like yellow roses on the wind','and we turn gracefully in the medieval garden of their roaring blossoms') |
+-------------------------------------------------------------------------------------------------------------------------------------------------------+
| n the                                                                                                                                                 |
+-------------------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.00 sec)

mysql> SELECT longest_common_substring('die, bart, die','sideshow bob dislikes bart simpson');
+---------------------------------------------------------------------------------+
| longest_common_substring('die, bart, die','sideshow bob dislikes bart simpson') |
+---------------------------------------------------------------------------------+
|  bart                                                                           |
+---------------------------------------------------------------------------------+
1 row in set (0.01 sec)

有一些警告——

如果有多个“最长”子字符串匹配，即如果有两个（或更多）长度完全相同的“最长”子字符串匹配，则第一个匹配将是返回的那个。

此代码不认为空格或标点符号比其他字符更重要，因此在上面的第二个示例中，答案实际上是 5 个字符，' bart'前导空格。可以说，具有 5 个非空格字符的子字符串将是一个更好的匹配，如果它存在，并且此代码将找不到它，因为使用第一个匹配并且不考虑后续匹配，除非它们更长。它可以修改为更复杂，但这本质上是一个概念证明。

mysql> SELECT longest_common_substring('bart and lisa','bart or lisa');
+----------------------------------------------------------+
| longest_common_substring('bart and lisa','bart or lisa') |
+----------------------------------------------------------+
| bart                                                     |
+----------------------------------------------------------+
1 row in set (0.00 sec)

...但是，如果较短的匹配是候选，但随后是未连接但较长的匹配，则结果肯定符合预期。

mysql> SELECT longest_common_substring('bart and maggie','bart or maggie');
+--------------------------------------------------------------+
| longest_common_substring('bart and maggie','bart or maggie') |
+--------------------------------------------------------------+
|  maggie                                                      |
+--------------------------------------------------------------+
1 row in set (0.00 sec)

这个怎么运作：

我们接受两个参数，首先期望较短的字符串。如果较长的字符串在前，那很好，因为我们在内存中交换它们，但这会花费我们一点处理时间。

然后我们将一个临时子字符串——一个特制的短字符串片段——拖过长字符串，检查长字符串是否是LIKE% + 我们的临时子字符串 + %。如果不是，我们移动到下一个字符。如果是这样，我们将临时子字符串扩大 1 个字符，直到我们不再有匹配项——但是当我们拥有一个匹配项时，我们保存了它的位置和长度，并将此信息用作后续优化以避免不必要的比较不可能产生更好的匹配。

一旦我准备好发布它，我可以将它添加到https://github.com/sqlbot/dtsl-mysql ，我的日期、时间和字符串操作函数集合。

于 2016-02-22T14:46:22.817 回答