Django中如何统计Queryset正则过滤后的匹配次数？

直接把匹配次数的计算放到数据库层面，避免拉取全量数据到Python中处理，大幅提升效率。以下分数据库类型给出实现方案：

1. 给每个Session对象标注匹配次数 #

PostgreSQL 实现 #

PostgreSQL原生支持REGEXP_COUNT函数，可直接通过自定义Func调用：

from django.db.models import Func, IntegerField, Value

# 自定义数据库函数包装
class RegexpCount(Func):
    function = 'REGEXP_COUNT'
    output_field = IntegerField()

# 构建Queryset并标注匹配次数
sp = Session.objects.filter(
    year__gte=start_year, 
    year__lte=end_year,
    data__iregex=word_to_search_for_re
).annotate(
    # flags='i' 对应忽略大小写，和iregex行为一致
    match_count=RegexpCount('data', Value(word_to_search_for_re), flags='i')
)

# 访问单个对象的匹配次数
for session in sp:
    print(session.match_count)

MySQL 实现 #

MySQL的REGEXP_COUNT函数支持通过第三个参数指定匹配模式：

from django.db.models import Func, IntegerField, Value

class RegexpCount(Func):
    function = 'REGEXP_COUNT'
    output_field = IntegerField()

sp = Session.objects.filter(
    year__gte=start_year, 
    year__lte=end_year,
    data__iregex=word_to_search_for_re
).annotate(
    # 'i' 表示忽略大小写匹配
    match_count=RegexpCount('data', Value(word_to_search_for_re), Value('i'))
)

2. 统计所有符合条件对象的总匹配次数 #

在上述标注的基础上，用aggregate计算总和：

from django.db.models import Sum

total_matches = sp.aggregate(total=Sum('match_count'))['total'] or 0
print(f"总匹配次数：{total_matches}")

注意事项 #

• 正则表达式需提前处理：如果word_to_search_for是空格分隔的多单词，需转成\b(word1|word2|...)\b形式的正则，避免部分匹配（比如"apple"匹配"apples"）。
• SQLite 需额外处理：SQLite默认无REGEXP_COUNT函数，可注册自定义函数或用字符串替换的方式间接计算（但精度有限，不推荐大数据量场景）。

内容的提问来源于stack exchange，提问作者James