MySQL最长公共子串

Question

有谁有用于最长公共子字符串的MySQL函数吗？我在SQL中找到了一个函数这里。作为一个自学的程序员，我对MySQL不太了解，但我在从事语言艺术项目.

Answer 1

可以说，MySQL并不是实现字符串操作函数的最合适的地方，我们通常需要提出一些问题，以便在所需的代码上显示出一些努力。我在这个问题上有点灵活，因为您至少找到了一个参考您想要做的事情，并询问MySQL是否具有本地功能。

事实并非如此。

您还询问了是否可以为MySQL重写示例代码。

它不能。它似乎依赖于MySQL服务器中没有实现的功能。

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是很好的，尽管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)。所以今天早上我没有淋浴，而是洗了个澡，在这段时间里，我想到了这个：

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，也就是说，如果有两个(或多个)完全相同长度的“最长”子字符串匹配，则第一个匹配将返回。

这段代码并不认为空格或标点符号比其他字符更重要，所以在上面的第二个例子中，答案实际上是5个字符，' bart'有一个前导空格。可以说，如果存在5个非空格字符的子字符串将是更好的匹配，而且此代码将找不到它，因为使用了第一个匹配，除非它们更长，否则不考虑后续匹配。它可以修改为更复杂，但这实质上是一个概念的证明。

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)

...however，如果一个较短的匹配是一个候选，但没有连接，但后面的一个更长的，结果肯定是预期的。

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)

它的工作原理：

我们采用两个参数，首先使用较短的字符串。如果先使用较长的字符串，这很好，因为我们在内存中交换它们，但这会花费一些处理时间。

然后我们将一个临时子字符串--一个巧尽心思构建的短字符串片段--拖到长字符串中，检查长字符串是否为LIKE % +我们的临时子字符串+%。如果没有，我们将转到下一个角色。如果是这样的话，我们将临时子字符串扩展为1个字符，直到我们不再有匹配--但是当我们拥有一个匹配时，我们保存了它的位置和长度，并使用这些信息作为后续的优化，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中，这是我的日期、时间和字符串操作函数的集合。