MySQL 根据 字段包含关键词进行分类

为了解决动态关键词匹配的需求,我们需要创建一个关键词表(keywords_table),其中存储关键词和对应的类别。以下是具体的步骤:


1. 创建关键词表

可以用以下 SQL 创建一个简单的关键词表:

sql 复制代码
CREATE TABLE keywords_table (
    id INT AUTO_INCREMENT PRIMARY KEY, -- 主键
    category VARCHAR(50) NOT NULL,     -- 类别名称
    keyword VARCHAR(255) NOT NULL      -- 关键词
);

2. 插入关键词数据

根据需求插入对应的关键词和类别:

sql 复制代码
INSERT INTO keywords_table (category, keyword)
VALUES 
    ('类别 A', '关键词1'),
    ('类别 A', '关键词2'),
    ('类别 B', '关键词3'),
    ('类别 B', '关键词4');

3. 示例主表

假设主表为 your_table

sql 复制代码
CREATE TABLE your_table (
    id INT AUTO_INCREMENT PRIMARY KEY, -- 主键
    info VARCHAR(255) NOT NULL         -- 包含描述的字段
);

插入示例数据:

sql 复制代码
INSERT INTO your_table (info)
VALUES
    ('关键词1,关键词4'),
    ('关键词2'),
    ('关键词3'),
    ('无匹配关键词');

4. 用 JOIN 查询匹配关键词类别

sql 复制代码
SELECT 
    t.id,
    t.info,
    GROUP_CONCAT(DISTINCT k.category) AS 匹配类别 -- 聚合匹配的类别,避免重复
FROM your_table t
LEFT JOIN keywords_table k 
    ON t.info LIKE CONCAT('%', k.keyword, '%') -- 动态匹配关键词
GROUP BY t.id, t.info;

查询结果示例

基于上述数据,查询结果可能如下:

id info 匹配类别
1 关键词1,关键词4 类别 A, 类别 B
2 关键词2 类别 A
3 关键词3 类别 B
4 无匹配关键词 NULL

关键点说明

  1. 关键词动态匹配ON t.info LIKE CONCAT('%', k.keyword, '%') 用于动态检测 info 是否包含某个关键词。
  2. 去重类别GROUP_CONCAT(DISTINCT k.category) 保证返回的类别不重复。
  3. 未匹配处理LEFT JOIN 保证即使没有匹配到关键词,your_table 的数据仍会显示,匹配结果为 NULL

优化建议

  • 如果 info 数据非常大,建议在逻辑层(如代码中)拆分匹配,而不是完全依赖 SQL。
  • 可以为 keywords_table.keyword 创建索引以优化性能,特别是关键词较多时:
sql 复制代码
CREATE INDEX idx_keyword ON keywords_table (keyword);
相关推荐
未来并未来31 分钟前
深入解析MySQL事务隔离级别与锁机制在银行账户业务中的应用
数据库·mysql
zxrhhm3 小时前
SQL Server数据库还原差异备份
数据库·oracle
孤傲小二~阿沐3 小时前
PostgreSQL的学习心得和知识总结(一百六十四)|深入理解PostgreSQL数据库之在 libpq 中支持负载平衡
数据库·postgresql
itachi-uchiha3 小时前
关于Postgresql旧版本安装
数据库·postgresql
小徍3 小时前
PostgreSQL数据库序列信息查询
数据库·postgresql
小白整理3 小时前
SQL中为什么EXISTS可以替代DISTINCT
数据库·sql·oracle
Minyy113 小时前
牛客网刷题SQL--多表查询
数据结构·数据库·sql·算法
zxrhhm3 小时前
PostgreSQL中事件触发器Event Trigger
数据库·postgresql
IT古董3 小时前
【机器学习】机器学习的基本分类-无监督学习-核密度估计(Kernel Density Estimation, KDE)
人工智能·学习·机器学习·分类
qq_254674413 小时前
QoS分类和标记
网络·分类·数据挖掘