SQL Server多空格相似关键词匹配异常问题排查求助

原代码的核心问题 #

• 错误拆分描述文本：使用STRING_SPLIT(Description, ' ')将描述拆分为单个单词，直接破坏了带空格的多词关键词的完整性，导致无法匹配TableB中的短语（如canadian environment acts）。
• 字段名拼写错误：CASE语句中出现ContentDescription、ColA等不存在的字段，应该对应Description、Word_A，这会导致匹配逻辑失效，返回NULL。
• 关联逻辑混乱：在拆分后的单词语表与TableB做关联，用Description LIKE '%' + k.[Word_A] + '%'的条件完全冗余，且会产生大量重复匹配，干扰结果。
• 匹配逻辑错误：用单个单词去匹配多词关键词的前缀（LOWER(keyword) LIKE LOWER(k.[Word_A]) + '%'），完全不符合多词短语的匹配需求；多词处理分支因字段错误无法正确截取目标短语。

修正后的SQL代码 #

WITH KeywordMatches AS (
    SELECT 
        a.ID,
        a.State,
        a.Description,
        -- 匹配Word_A的关键词
        CASE WHEN a.Description LIKE '%' + k.Word_A + '%' THEN k.Word_A END AS MatchWordA,
        -- 匹配Word_B的关键词
        CASE WHEN a.Description LIKE '%' + k.Word_B + '%' THEN k.Word_B END AS MatchWordB,
        -- 匹配Word_C的关键词
        CASE WHEN a.Description LIKE '%' + k.Word_C + '%' THEN k.Word_C END AS MatchWordC
    FROM TableA a
    CROSS JOIN TableB k
    -- 过滤至少匹配一个关键词的行
    WHERE a.Description LIKE '%' + k.Word_A + '%'
       OR a.Description LIKE '%' + k.Word_B + '%'
       OR a.Description LIKE '%' + k.Word_C + '%'
),
AggregatedResults AS (
    SELECT 
        ID,
        State,
        Description,
        -- 聚合匹配到的Word_A关键词，去重
        STRING_AGG(DISTINCT MatchWordA, ', ') AS keywords_A,
        -- 聚合匹配到的Word_B关键词，去重
        STRING_AGG(DISTINCT MatchWordB, ', ') AS keywords_B,
        -- 聚合匹配到的Word_C关键词，去重
        STRING_AGG(DISTINCT MatchWordC, ', ') AS keywords_C,
        -- 计算Word_A的总分：每个匹配的关键词得10分，去重后计数
        SUM(DISTINCT CASE WHEN MatchWordA IS NOT NULL THEN 10 ELSE 0 END) AS ScoreA,
        -- 计算Word_B的总分：每个匹配的关键词得5分，去重后计数
        SUM(DISTINCT CASE WHEN MatchWordB IS NOT NULL THEN 5 ELSE 0 END) AS ScoreB,
        -- 计算Word_C的总分：每个匹配的关键词得0.1分，去重后计数
        SUM(DISTINCT CASE WHEN MatchWordC IS NOT NULL THEN 0.1 ELSE 0 END) AS ScoreC
    FROM KeywordMatches
    GROUP BY ID, State, Description
)
SELECT 
    ID,
    State,
    Description,
    -- 替换NULL或空字符串为更友好的显示
    ISNULL(keywords_A, '无') AS keywords_A,
    ISNULL(keywords_B, '无') AS keywords_B,
    ISNULL(keywords_C, '无') AS keywords_C,
    -- 总得分
    ScoreA + ScoreB + ScoreC AS TotalScore
FROM AggregatedResults
ORDER BY ID;

代码说明 #

1. 直接关联匹配：用CROSS JOIN将TableA的每一行与TableB的所有关键词行关联，直接检查描述是否包含完整的关键词（不管是否带空格）。
2. 精准捕获关键词：通过CASE WHEN直接返回匹配到的完整关键词，确保多词短语被正确识别。
3. 去重聚合：使用STRING_AGG(DISTINCT ...)避免同一关键词被重复统计，同时用SUM(DISTINCT ...)确保每个关键词只计算一次分数。
4. 友好处理空值：用ISNULL将空的关键词列替换为"无"，提升结果可读性。

内容的提问来源于stack exchange，提问作者H K