如何基于含子串的列关联表？解决LIKE匹配误判问题

核心问题是模糊匹配LIKE '%' + t2.page_number + '%'会误匹配包含目标数字的所有子串（比如19匹配190），必须精准提取长字符串中的页码段，再和t2的页码做等值关联。

基于固定格式的字符串截取方案 #

你的长字符串格式固定为PageNumber-XXX-ChapterTitle-XXXX，可以利用字符串截取函数提取中间的页码部分，再关联t2：

MySQL 示例

SELECT t1.*, t2.*
FROM t1
JOIN t2 ON SUBSTRING_INDEX(SUBSTRING_INDEX(t1.string, 'PageNumber-', -1), '-', 1) = t2.page_number
WHERE t2.keep_flag = 'Y';

• 逻辑：先用SUBSTRING_INDEX(t1.string, 'PageNumber-', -1)截取PageNumber-之后的所有内容，再用SUBSTRING_INDEX(..., '-', 1)截取到第一个-之前的部分，得到精准页码。

SQL Server 示例

SELECT t1.*, t2.*
FROM t1
JOIN t2 ON SUBSTRING(
    t1.string,
    CHARINDEX('PageNumber-', t1.string) + 11, -- 跳过"PageNumber-"的11个字符
    CHARINDEX('-ChapterTitle', t1.string) - (CHARINDEX('PageNumber-', t1.string) + 11)
) = t2.page_number
WHERE t2.keep_flag = 'Y';

PostgreSQL 示例

SELECT t1.*, t2.*
FROM t1
JOIN t2 ON split_part(t1.string, '-', 2) = t2.page_number::text
WHERE t2.keep_flag = 'Y';

• 逻辑：按-分割字符串，第2段就是页码（原字符串分割后第1段是PageNumber，第2段是目标页码），注意将数字类型的页码转为文本类型匹配。

正则表达式方案（适配格式略有变化的场景） #

如果字符串格式有轻微变动（比如分隔符不一致），可以用正则精准匹配页码：

MySQL 示例

SELECT t1.*, t2.*
FROM t1
JOIN t2 ON REGEXP_SUBSTR(t1.string, 'PageNumber-(\\d+)-ChapterTitle', 1, 1, '', 1) = t2.page_number
WHERE t2.keep_flag = 'Y';

• 正则PageNumber-(\\d+)-ChapterTitle匹配PageNumber-和-ChapterTitle之间的数字，1表示提取第一个捕获组的内容。

PostgreSQL 示例

SELECT t1.*, t2.*
FROM t1
JOIN t2 ON (REGEXP_MATCHES(t1.string, 'PageNumber-(\\d+)-ChapterTitle'))[1] = t2.page_number::text
WHERE t2.keep_flag = 'Y';

注意事项 #

• 如果t1中存在格式不符合PageNumber-XXX-ChapterTitle的记录，建议先过滤（比如加WHERE t1.string LIKE 'PageNumber-%-ChapterTitle-%'），避免提取无效值导致错误关联。
• 若t2的page_number是数字类型，确保提取的页码字符串转为数字后再关联（或反过来将数字转为字符串），避免类型不匹配问题。

内容的提问来源于stack exchange，提问作者TripleCute