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)。
最佳答案
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)$'
关于php - MySQL 精确 URL 搜索,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27818075/