如何在PostgreSQL中获取字符串中正则表达式匹配的位置？

Question

我有一个带书名的表格，我想选择标题与正则表达式匹配的书籍，并按标题中正则表达式匹配的位置排序结果。

单词搜索很容易。例如。

TABLE book
id   title
1    The Sun
2    The Dead Sun
3    Sun Kissed

在将查询发送到DB之前，我将把.*放在客户端搜索词中的单词之间，所以我在这里用准备好的regexp编写SQL。

SELECT book.id, book.title FROM book
    WHERE book.title ~* '.*sun.*'
    ORDER BY COALESCE(NULLIF(position('sun' in book.title), 0), 999999) ASC;

RESULT
id   title
3    Sun Kissed
1    The Sun
2    The Dead Sun

但是如果搜索词有多个单词，我想匹配标题，这些标题包含搜索词中的所有单词和它们之间的任何内容，并按照之前的位置排序，所以我需要一个返回正则表达式位置的函数，我没有在PostgreSQL官方文档中找到合适的一个。

TABLE books
id   title
4    Deep Space Endeavor
5    Star Trek: Deep Space Nine: The Never Ending Sacrifice
6    Deep Black: Space Espionage and National Security

SELECT book.id, book.title FROM book
    WHERE book.title ~* '.*deep.*space.*'
    ORDER BY ???REGEXP_POSITION_FUNCTION???('.*deep.*space.*' in book.title);

DESIRED RESULT
id   title
4    Deep Space Endeavor
6    Deep Black: Space Espionage and National Security
5    Star Trek: Deep Space Nine: The Never Ending Sacrifice

我没有找到类似于??? REGEXP_POSITION_FUNCTION的任何功能???，你有什么想法吗？

Answer 1

执行此操作的一种方法（很多）：从匹配开始删除字符串的其余部分并测量截断字符串的长度：

SELECT id, title
FROM   book
WHERE  title ILIKE '%deep%space%'
ORDER  BY length(regexp_replace(title, 'deep.*space.*', '','i'));

在WHERE子句中使用ILIKE，因为这通常更快（并且在此处相同）。 还要注意regexp_replace()函数（'i'）的第四个参数，以使其不区分大小写。

Alternatives

根据评论中的要求。 同时演示如何排序匹配（和NULLS LAST）。

SELECT id, title
      ,substring(title FROM '(?i)(^.*)deep.*space.*') AS sub1
      ,length(substring(title FROM '(?i)(^.*)deep.*space.*')) AS pos1

      ,substring(title FROM '(?i)^.*(?=deep.*space.*)') AS sub2
      ,length(substring(title FROM '(?i)^.*(?=deep.*space.*)')) AS pos2

      ,substring(title FROM '(?i)^.*(deep.*space.*)') AS sub3
      ,position((substring(title FROM '(?i)^.*(deep.*space.*)')) IN title) AS p3

      ,regexp_replace(title, 'deep.*space.*', '','i') AS reg4
      ,length(regexp_replace(title, 'deep.*space.*', '','i')) AS pos4
FROM   book
ORDER  BY title ILIKE '%deep%space%' DESC NULLS LAST
         ,length(regexp_replace(title, 'deep.*space.*', '','i'));

您可以在here和here手册中找到上述所有文档。

-> SQLfiddle展示了所有。

Answer 2

另一种方法是先获取模式的文字匹配，然后找到文字匹配的位置：

strpos(input, (regexp_match(input, pattern, 'i'))[1]);

或者在这种情况下：

SELECT   id, title
FROM     book
ORDER BY strpos(input, (regexp_match(input, pattern, 'i'))[1]);

顺便说一下，你应该使用一个贪婪的量词并尽可能地缩小你的角色类而不是。*来提高性能（例如，'deep [\ w] *？space'）