Diskuze: částečná shoda hodnot

maxijoey

Člen

maxijoey:13.11.2019 11:03

Zkusil jsem: V podstatě vím že GROUP_CONCAT udělá co potřebuji, ale nevím jak detekovat tu shodu zleva.
Experimentuji s něčím takovým :
SELECT CASE
WHEN RIGHT(name, 1) THEN
LEFT(name, Length(name) - 2)
ELSE name END,
Group_concat(id_product)
FROM production_products
GROUP BY 1

ale nedaří se mi to dát do kupy.

Chci docílit: A já bych potřeboval aby mi to Vybralo a grouplo názvy kde je alespon částečná shoda zleva.
To jest výsledek potřebuji takto :
name | id castecne shodných
Háček silný | 1,2,3
Háček slabý | 4,5

Odpovědět

13.11.2019 11:03

Peter Mlich

Člen

Peter Mlich:13.11.2019 14:21

Pridej jeden sloupec.nebo dva.

1 | Háček silný 20mm
1 | Háček silný | 20mm
1 | Háček | silný | 20mm

Jakoze seznam kategorii, strom, strukturu

Hacky > silne > 20 mm
Hacky > silne > 30mm
Hacky > slabe > 10 mm

A ty kategorie soupnout pekne do tabulky.

Vsechno ostatni mi prijde slozitejsi.
Asi bys potreboval vytvorit 2 sloupce. Text-posledni slovo, posledni slovo(text). Slo by to, ale je to spatne (muj nazor).
substring charindex/position/locate reverse/right

SUBSTRING(`sloupec`, 1, LOCATE(' ', REVERSE(`sloupec`)))
REGEXP_REPLACE(`sloupec`, ' [^ ]+$', '') -- nahrad na konci stringu mezeru+znaky_nemezera za ''

RIGHT(`sloupec`, LOCATE(' ', REVERSE(`sloupec`))) -- posledni slovo, asi
-- https://stackoverflow.com/questions/5783145/mysql-sql-query-to-get-last-word-in-text
LOCATE(SUBSTRING_INDEX('Have_a_good_day', '_', -1),'Have_a_good_day')-1 AS indexpos
-- https://stackoverflow.com/questions/12775352/last-index-of-a-given-substring-in-mysql

https://www.tutorialspoint.com/…from-a-field

Nebo regularni vyrazy https://dev.mysql.com/…nctions.html#…
REGEXP Whether string matches regular expression
REGEXP_INSTR() Starting index of substring matching regular expression
REGEXP_LIKE() Whether string matches regular expression
REGEXP_REPLACE() Replace substrings matching regular expression
REGEXP_SUBSTR() Return substring matching regular expression

REGEXP()

Jenze oboji je vypocetne narocne, nevhodne pro grupovani. Kdezto grupovani podle cat_id (4 byte) je asi tak 1000x rychlejsi nez string 20 znaku (20 byte).

Nahoru Odpovědět

13.11.2019 14:21

Peter Mlich

Člen

Peter Mlich:13.11.2019 14:25

Jeste jeden krok jsem vynechal. Jenom to tak z hlavy zkousim, snad si to uz doladis, kdyz budes vedet, jake funkce asi hledat.

x = REVERSE(`sloupec`) -- napis string obracene
y = LOCATE(' ', x) -- najdi prvni mezeru
z = LENGTH(`sloupec`) - y -- odecti od delky stringu
SUBSTRING(`sloupec`, 1, z)

Editováno 13.11.2019 14:25

Nahoru Odpovědět

13.11.2019 14:25

Peter Mlich

Člen

Peter Mlich:13.11.2019 14:28

SUBSTRING_INDEX(`sloupec`, ' ', -1) -- to by melo najit mezery a od posledni z nich vse smazat

Nahoru Odpovědět

13.11.2019 14:28

Peter Mlich

Člen

Peter Mlich:13.11.2019 14:35

Hlavne je na tom celem spatne to, ze kdyz to neni kategorie_id (cislo), tak jako string to muze nekdo zadat takto:
X = tabelator + mezera + nezobrazitelny html znak (v jakemkoliv mnozstvi)

XHáčekXsilnýX20XmmX -- odst. text je 'X'
HáčekXsilnýX20XmmX -- odst. text je 'X'
XHáčekXsilnýX20Xmm -- odst. text je 'Xmm'
HáčekXsilnýX20 mm -- odst. text je ' mm'
HáčekXsilnýXXX20mm -- odst. text je 'X20mm' ale zustane HáčekXsilnýXX a ne HáčekXsilný

Kdezto s cislem se ti to nemuze stat. Pokud nekdo zada spatne text, tak to proste bude spatne uplne vsude nebo nikde.

Editováno 13.11.2019 14:37

Nahoru Odpovědět

13.11.2019 14:35

maxijoey

Člen

maxijoey:13.11.2019 15:47

Ale to nejsou kategorie, ani nemají být. Jsou to názvy produktu a ty se můžou lišit i několika slovy. Já potřebuji najít všechny řádky co mají nějaké slovo nebo více slov společných zleva. A dohodit si tam sloupec s id těch o které jde. Ten příklad co jsem psal to skoro dělá, ale jen skoro.

Nahoru Odpovědět

13.11.2019 15:47

maxijoey

Člen

maxijoey:13.11.2019 15:49

Já vycházím z něčeho takového:
http://sqlfiddle.com/#…

ale má to vadu že je to dělaný přesně na případ 1 levé slovo a na konci číslo. Já potřebuji případ vlevo slova a na konci cokoli.

Nahoru Odpovědět

13.11.2019 15:49

Peter Mlich

Člen

Peter Mlich:14.11.2019 8:41

To chce nekoho sikovnejsiho na sql. Mozna to lze delat u fulltextoveho indexu. Netusim.

Kazdopadne, ty predem nevis, kolik slov bude stejnych, ale chces to zgrupovat, pokud aspon jedno z nich. V tom pripade staci vybrat prvni slovo nebo odstranit posledni slovo. Coz se da tim substringem, ktery jsem ale netestoval.

SELECT SUBSTRING_INDEX(sloupec, ' ', -1) AS x... GROUP BY x

Ale pak budes rikat, ze to nestaci, ze to treba zgrupovat podle max. poctu stejnych slov. Coz lze jedinym zpusobem, ke kazdemu radku najit SELECTem shodu s jakymkoliv dalsim.

Hacky > silne > 20 mm
Hacky > silne > 30 mm
Hacky > slabe > 10 mm
Obleceni > bundy > pro zeny > adidas ... To jsou jasne kategorie.

Otazkou je, k cemu je dobra tabulka, kde najdes prvni slovo stejne? Chces zjistit unikatni zbozi? A co kdyz nekdo poradi slov otoci? Pak by to byl dotaz typu
'Hacky' IN ('Hacky', 'silne', '20', 'mm') -- string rozsekany podle mezer a hledas v nem slovo, to je lepsi asi fulltext index, navic by si to umelo asi poradit s velkymi malymi pismeny, mezerami navic, diakritikou

Nevim, zatim mi to vychazi tak, ze budes muset oddelit unikatni cast zbozi od zbytku rucne. Protoze nemas jasnou definici, co z toho je unikatni. Rikas, ze posledni slovo to neni. Take to nemusi byt zadne. Nebo jen prvni slovo. A tu unikatni cast bych dal do sloupce zvlast, dal ji id jako cele kategorie a podle ni bych to grupoval.
Jinak bys musel mit nejakou funkci, ktera hleda rozdily v textu, v linuxu je to diff (program). Urcite to jde v sql napsat, nebo se da najit. V Total comanderu je funkce porovnej 2 oznacene soubory a najdi v nich rozdily.

google = different of string mysql
STRCMP()
https://dev.mysql.com/…nctions.html

https://stackoverflow.com/…tring-fields

SELECT CONCAT(IF(aa.first_string!=aa.first_string1,first_string,''),
IF(aa.middle_string!=aa.middle_string1,middle_string,'') ,
IF(aa.last_string!=aa.last_string1,last_string,'') ) AS first_result,
CONCAT(IF(aa.first_string!=aa.first_string1,first_string1,''),
IF(aa.middle_string!=aa.middle_string1,middle_string1,'') ,
IF(aa.last_string!=aa.last_string1,last_string1,'') ) AS second_result
FROM (SELECT SUBSTRING_INDEX(SUBSTRING_INDEX(`old`, ',', 1), ',', -1)
AS first_string,
IF(  LENGTH(`old`) - LENGTH(REPLACE(`old`, ',', ''))>1,
SUBSTRING_INDEX(SUBSTRING_INDEX(`old`, ',', 2), ',', -1) ,NULL) AS middle_string,
SUBSTRING_INDEX(SUBSTRING_INDEX(`old`, ',', 3), ',', -1) AS last_string,
SUBSTRING_INDEX(SUBSTRING_INDEX(`new`, ',', 1), ',', -1) AS first_string1,
IF(  LENGTH(`old`) - LENGTH(REPLACE(`new`, ',', ''))>1,
SUBSTRING_INDEX(SUBSTRING_INDEX(`new`, ',', 2), ',', -1) ,NULL) AS middle_string1,
SUBSTRING_INDEX(SUBSTRING_INDEX(`new`, ',', 3), ',', -1) AS last_string1
FROM try ) aa

Algoritmus bych videl nasledujici:

Vyber vsechny radky
Pro kazdy radek vyber opet vsechny radky (krome id aktualniho radku)

-- porovnej slovo po slove, zapis pocet shod, treba 6, 6, 5, 5, 4, 4, 3, 3, 3, 3, 3, 2, ... 1... 0
-- vyber vsechny radky, kde pocet shod je max, treba 6, 6
-- pridej k tomu id aktualniho radku
-- serad podle id radku
-- vytvor z id radku string '1, 12, 35'

a tento string potom pouzijes pro grupovani prvniho seznamu (protoze jinak bys to nemel podle ceho grupovat). A musi to byt serazene, protoze kazdy radek ti vytvori neco jineho.

A cely ten sql dotaz muze nejaky casek trvat, protoze pracujes se stringy a jeste ty stringy musis rozdelovat. Cili, nemas nad tim uz index. Neni index, cele se to zpomaluje. Kdybys slova mel v tabulce ulozene, muzes nad nimi udelat indexy.

Nahoru Odpovědět

14.11.2019 8:41

Peter Mlich

Člen

Peter Mlich:14.11.2019 8:54

-- http://www.mysqltutorial.org/mysql-string-functions/mysql-right-function/

SET @str = '12/31/2019';
SELECT
    RIGHT(@str, 4) year,
    LEFT(@str, 2) month,
    SUBSTRING(@str, 4, 2) day;

RIGHT(@str, 4) - vezmi 4 zprava '2019'
LEFT(@str, 2) - vezmi 2 znaky zleva '12'
SUBSTRING(@str, 4, 2) - vezmi od pozice 4 dva znaky '31'
pro substring je to cislovano
12/31/2019
123456789
od pozice 4 je 31/2019

SELECT CASE
         WHEN RIGHT(nombre, 1) BETWEEN '0' AND '9' THEN -- kdyz posledni znak mezi 0-9
         LEFT(nombre, Length(nombre) - 2) -- smaz posledni znak
         ELSE nombre -- nebo nechej cely string
       END AS nombrechecked,
       Group_concat(id_grupo)
FROM   grupos
GROUP  BY 1

To mi vysvetli, jak ti tohle muze delat, to, co chces? Bud nehapes, co ty funkce delaji a pak je to nad tve sily dat dohromady. A nebo potrebujes neco jineho, nez si myslim.

Nahoru Odpovědět

14.11.2019 8:54

Peter Mlich

Člen

Peter Mlich:14.11.2019 9:00

"a tento string potom pouzijes pro grupovani"
Mozna by misto grupovani slo pouzit DISTINCT SELECT. Pokud k tomu nepridas nic neunikatniho, tak te zbavi duplicit.

Nahoru Odpovědět

14.11.2019 9:00

maxijoey

Člen

maxijoey:14.11.2019 9:16

použití toho co chci je pro produkty co mám v tabulce načítané z xml feedu. V podstatě jde o produkty respektive varianty produktů kde není žádný klíč dle kterého je spojit do jednoho produktu než tak že mají shodný kus názvu, většinou třeba prvních 3-5 slov a pak je to rozílné 1-2 slova. Proto to potřebuji.
Ten poslední příklad je právě stavěn na něco trochu jiného, říkám že z něj jen vycházím, ten počítá s tím že na konci je mezera a jedno číslo. Ale jinak dělá naprosto přesně to co potřebuji.Když si to prohlédneš uvidiš.
Dole jsou vypsané fráze a vedle indexy jejich
Jen jsem ho upravoval vlevo nejsou tam ty čísla ale písmena s místo nich.
Na obrázku je vidět co udělá u mě. Můžu odebrat i ten betwen a udělá to samé. Jen když se podíváš první dva řádky ok, ale poslední čtyři ne, ty bych potřeboval aby to taky takto zpracovalo.

Nahoru Odpovědět

14.11.2019 9:16