php - MySQL 精确 URL 搜索

Question

因此，我尝试合并两个公司信息数据库(从现在起表 A 和表 B)，其中最常见(且可靠)的单一引用点是网站 URL。表 A 已更新，表 B 待更新。

我已经从表 A 中提取了 URL，并使用 PHP 清理了它们(大约 6000 个 URL)，计划是根据找到的 URL(但不是 URL 本身)查找并更新表 B 中的一些信息。

在表 A 中，URL 均为 domain.com 或 www.domain.com 或 www.subdomain.domain.com，不含http://或任何尾随的/或其他 URL 数据。在表 B 中，它们是原始 URL，可能包含任何额外信息，例如 http://等。

现在我尝试通过表 B 中的 URL 搜索该公司，如下所示:

SELECT * FROM companies WHERE website LIKE '%$url1%' OR website LIKE '%$url2%'...

虽然这有效，但它也会提取出不正确的信息。例如，我在表 A 的列表中没有 bt.com (或任何变体)，但它在表 B 中与之匹配(有一个 www.corporate .bt.com 在表 A 中，我认为它是匹配的)。

那么，我该如何阻止这种情况发生呢？很明显在 URL 列表中找到了类似的东西，但我只想匹配确切的字符串。因此，在上面的示例中，如果我正在搜索 www.corporate.bt.com，则只有在字符串 (http://www.corporate.bt.com) 中找到它时才应返回该内容。 bt.com/ 可以，http://bt.com/ 不行)

此外，对于这么大的数据集执行此操作的最佳方法是什么？表 A 有大约 6,000 个 URL，表 B 有 14,000 个(并非所有表 A 都会在表 B 中)。

Answer 1

LIKE 不会返回精确搜索，但您可以使用 MySql REGEXP 进行精确搜索，它将在搜索字段中找到精确结果并仅返回精确网址

SELECT * FROM companies WHERE website REGEXP '[[:<:]]$url1[[:>:]]' OR 
                              website REGEXP '[[:<:]]$url2[[:>:]]'

或者，如果提交的文件只有一个 url，那么您可以使用 = 运算符

SELECT * FROM companies WHERE website = '$url1' OR website = '$url2'

更新 在此，您可以扩展 REGEX 搜索并仅输入 SERVER_NAME，例如 domain.com、domain1.com、abc.domain.com，请参阅下面的查询

$url = "doamin.com";
$url1 = "domain1.com";
SELECT * FROM companies WHERE 
    website REGEXP '^(htt(p|ps):\/\/|htt(p|ps):\/\/www\.)($url)$' OR 
    website REGEXP '^(htt(p|ps):\/\/|htt(p|ps):\/\/www\.)($url1)$'