mysql - 在 mySQL 中组合行中的字符串

Question

我正在尝试对来自大型语料库(超过 100 万条记录)的字符串进行统计测试，我不确定如何最好地直接在 mySQL 中执行此操作而不是在 php 中解析它，这将花费(我至少基于根据我的技能)年龄。

表格:

ID              Words
----------      -------------
1               ham
2               cheese
3               lettuce
4               tomato
5               onion

我想要实现的期望输出是创建两个新列，其中包含每个字符串的二元组和三元组，如下所示:

ID              Words            Bigrams           Trigrams
----------      -------------    -------------     -------------
1               ham              ham_cheese        ham_cheese_lettuce
2               cheese           cheese_lettuce    cheese_lettuce_tomato
3               lettuce          lettuce_tomato    lettuce_tomato_onion
4               tomato           tomato_onion      ........
5               onion            .........         ........

我想知道在 mySQL 中是否有办法做到这一点？

Answer 1

实现此目的的最佳方法是使用自连接。如果表名是 all_words，包含字段 id 和 word:

SELECT
    first.id, 
    first.word, 
    CONCAT(first.word, '_', second.word) AS bigram, 
    CONCAT(first.word, '_', second.word, '_', third.word) AS trigram
FROM
    all_words first
LEFT JOIN
    all_words second ON first.id + 1 = second.id
LEFT JOIN
    all_words third ON first.id + 2 = third.id

使用 concat() 函数，您可以将不同表中的单词连接到一列中。如果您希望最后一行的二元组和三元组列为空(而不是只有前几个词)，请使用

IF(second.word IS NOT NULL, CONCAT(first.word, '_', second.word), '') AS bigram

对于二元组和三元组相等的东西。