Twitter热门Hashtag统计查询无结果排查求助

你的SQL查询无结果的核心问题是WHERE子句的匹配逻辑错误：

• 原语句中WHERE full_data.text = '#%'是精确匹配整个文本字段等于#%，但你的数据里是文本中包含以#开头的标签，并非整个字段等于该值，所以没有符合条件的记录被筛选出来。

修正后的查询语句 #

SELECT word, COUNT(*) AS word_count
FROM (
    SELECT UNNEST(STRING_TO_ARRAY(text, ' ')) AS word
    FROM full_data
) AS words
WHERE word LIKE '#%'  -- 过滤出以#开头的标签
GROUP BY word 
ORDER BY word_count DESC NULLS LAST 
LIMIT 1000;

额外优化说明 #

如果你的文本中存在带标点的标签（比如#hello!），可以用正则清理掉无关标点，避免统计重复的标签：

SELECT cleaned_word, COUNT(*) AS word_count
FROM (
    SELECT REGEXP_REPLACE(UNNEST(STRING_TO_ARRAY(text, ' ')), '[^a-zA-Z0-9#]', '', 'g') AS cleaned_word
    FROM full_data
) AS words
WHERE cleaned_word LIKE '#%' AND cleaned_word != '#'  -- 排除单独的#符号
GROUP BY cleaned_word 
ORDER BY word_count DESC NULLS LAST 
LIMIT 1000;

内容的提问来源于stack exchange，提问作者counterculture