PostgreSQL如何统一大小写敏感的同名条目合并重复节点

不需要用复杂正则重命名，直接用PostgreSQL原生大小写转换函数统一字段格式即可，逻辑简单、性能远高于正则处理。

推特用户名本身规则为大小写不敏感，你只需要把参与节点唯一判定的两列值统一转为全小写（或全大写，规则保持一致即可），就能自动合并所有大小写变体的同名字段，不会再识别为独立节点。

最简修改版（直接输出可用的关系数据） #

对现有查询的两列输出统一做小写转换，返回结果可以直接用于关系网络构建：

with cte as (
    select 
        lower(u.twitter_name) as twitter_name, 
        REGEXP_MATCHES(t.txt, '@([A-Za-z0-9_]+)', 'g') as mentions
    from tweet as t, twitter_user as u
    where t.author_id = u.id
)
select twitter_name, lower(unnest(mentions)) as unnest
from cte;

基于你给出的示例数据，查询输出会自动合并为：

所有大小写形式的banana都会被识别为同一个节点。

保留原始大小写的版本 #

如果构建网络时需要保留原始文本的大小写格式做展示，可以在查询中同时输出「节点唯一标识（全小写）」和「原始展示值」两类字段：节点去重、边关联逻辑用全小写ID判定，页面展示时取原始值即可，参考SQL如下：

with cte as (
    select 
        u.twitter_name as raw_twitter_name,
        lower(u.twitter_name) as node_twitter_id,
        REGEXP_MATCHES(t.txt, '@([A-Za-z0-9_]+)', 'g') as mentions
    from tweet as t, twitter_user as u
    where t.author_id = u.id
)
select 
    raw_twitter_name,
    node_twitter_id,
    unnest(mentions) as raw_mention_name,
    lower(unnest(mentions)) as node_mention_id
from cte;

长期场景优化 #

如果后续需要长期做这类用户名的大小写不敏感查询、关联，可以启用PostgreSQL自带的citext扩展，将存储用户名的字段类型设置为citext，之后所有查询、关联操作默认大小写不敏感，不需要每次手动加lower()处理。该方案需要修改表结构，适合稳定的长期业务场景；如果只是临时导出关系数据，用前面的lower()处理方案即可，没有额外依赖，改造成本最低。

内容的提问来源于stack exchange，提问作者sppokky