You need to enable JavaScript to run this app. 如何通过SQL清洗列数据:过滤关键词次级内容保留主关键词
优惠活动
大模型
产品
解决方案
定价
更多

如何通过SQL清洗列数据:过滤关键词次级内容保留主关键词

主关键词提取SQL实现方案

你想用CASE语句做逻辑判断的思路是可行的,但不建议用CASE硬编码匹配所有关键词的具体值——这种写法只要后续新增一个带次级分类的关键词,就得手动改SQL,维护成本极高。
核心处理逻辑非常简单:对所有带英文冒号的关键词,只保留冒号之前的主分类内容;不带冒号的关键词直接保留原内容。

为什么不推荐硬编码CASE匹配

如果按硬编码思路写,SQL会变成这样:

SELECT
  CASE
    WHEN Keywords = 'Policy/Ethics: Employment' THEN 'Policy/Ethics'
    WHEN Keywords = 'Policy/Ethics: Business' THEN 'Policy/Ethics'
    -- 后续每新增一个次级分类,就要在这里加一行判断
    ELSE Keywords
  END AS main_keyword,
  COUNT(*) AS keyword_frequency
FROM your_table
GROUP BY main_keyword

这种写法扩展性极差,完全可以靠通用的字符串截取逻辑替代。

通用可落地的实现写法

所有写法都遵循同一个逻辑:定位字符串中第一个英文冒号的位置,从开头截断到冒号前;如果字符串里没有冒号,就直接返回原内容。同时搭配TRIM函数清理首尾多余空格,避免因空格差异把同一关键词拆成不同分组。

MySQL 适配写法

直接用内置的SUBSTRING_INDEX函数完成截断,不需要额外写判断:

SELECT
  TRIM(SUBSTRING_INDEX(Keywords, ':', 1)) AS main_keyword,
  COUNT(*) AS keyword_frequency
FROM your_table_name
GROUP BY main_keyword
ORDER BY keyword_frequency DESC;

SQL Server 适配写法

这里就可以用到你最初想到的CASE语句,用来做“是否存在冒号”的逻辑兼容,避免空值或报错:

SELECT
  TRIM(
    CASE
      -- 如果字符串里存在冒号,就截取到冒号前面的部分
      WHEN CHARINDEX(':', Keywords) > 0 THEN LEFT(Keywords, CHARINDEX(':', Keywords) - 1)
      -- 没有冒号就保留原内容
      ELSE Keywords
    END
  ) AS main_keyword,
  COUNT(*) AS keyword_frequency
FROM your_table_name
GROUP BY main_keyword
ORDER BY keyword_frequency DESC;

PostgreSQL 适配写法

用内置的SPLIT_PART函数直接取分隔符拆分后的第一部分即可:

SELECT
  TRIM(SPLIT_PART(Keywords, ':', 1)) AS main_keyword,
  COUNT(*) AS keyword_frequency
FROM your_table_name
GROUP BY main_keyword
ORDER BY keyword_frequency DESC;

Oracle 适配写法

和SQL Server逻辑一致,用CASE判断冒号是否存在,配合字符串截取函数使用:

SELECT
  TRIM(
    CASE
      WHEN INSTR(Keywords, ':') > 0 THEN SUBSTR(Keywords, 1, INSTR(Keywords, ':') - 1)
      ELSE Keywords
    END
  ) AS main_keyword,
  COUNT(*) AS keyword_frequency
FROM your_table_name
GROUP BY main_keyword
ORDER BY keyword_frequency DESC;

效果对照(基于你提供的样例)

原始Keywords值 → 处理后得到的主关键词
Policy/Ethics → Policy/Ethics
Policy/Ethics → Policy/Ethics
Policy/Ethics: Employment → Policy/Ethics
Policy/Ethics → Policy/Ethics
Policy/Ethics: Business → Policy/Ethics

最终分组统计结果为Policy/Ethics共出现5次,完全符合筛选需求。

内容的提问来源于stack exchange,提问作者Jennylj78

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.05 21:36:09