PostgreSQL中筛选逗号分隔值列的非子集唯一值方法

嘿，我来帮你搞定这个筛选最大组合值的问题！

首先得说清楚：你的需求是保留那些不存在任何其他记录包含它的最大组合，而排除所有是其他组合子集的行。先看看你原来的查询为啥不对——你的SQL是找出所有包含其他bar值的记录，这和我们要的方向正好相反，最后会把像a,b,c这种中间组合也留着，不符合预期。

正确的解决方案 #

我们的核心思路是：找出那些bar值，不存在另一条不同的记录，使得当前bar是那条记录的子集。下面分两种情况给你方法：

方法1：通用SQL（适配大多数数据库）

因为你的逗号分隔字符串都是按字母排序的，我们可以通过字符串匹配来判断子集关系，避免依赖数据库特定函数：

SELECT bar
FROM foo a
WHERE NOT EXISTS (
    SELECT 1
    FROM foo b
    WHERE b.bar != a.bar
      AND (
          -- 匹配当前bar是前缀的情况，比如a,b是a,b,c,d的前缀
          b.bar LIKE a.bar || ',%'
          -- 匹配当前bar在中间的情况（虽然你的数据是排序的，这种情况可能很少，但兼容一下）
          OR b.bar LIKE '%,' || a.bar || ',%'
          -- 匹配当前bar是后缀的情况，比如d,e不会有这种，但逻辑上要覆盖
          OR b.bar LIKE '%,' || a.bar
      )
)

用你的示例数据测试的话：

• a,b,c,d和d,e都找不到能包含它们的其他记录，会被保留
• a,b和a,b,c能找到包含它们的a,b,c,d，会被排除
  正好符合你的预期结果。

方法2：用数据库数组/集合函数（更简洁，适合PostgreSQL等支持的数据库）

如果你的数据库支持数组操作（比如PostgreSQL），可以把字符串转成数组，用集合包含操作符来判断，逻辑更清晰：

SELECT bar
FROM foo a
WHERE NOT EXISTS (
    SELECT 1
    FROM foo b
    WHERE b.bar != a.bar
      -- @> 表示左边数组包含右边数组
      AND string_to_array(b.bar, ',') @> string_to_array(a.bar, ',')
)

这种方法不用纠结字符串匹配的边界问题，直接通过集合关系判断子集，准确率更高。

再聊聊你的原查询问题 #

你的SQL select distinct a.bar from foo a inner join foo b on a.bar like '%'|| b.bar||'%' and a.bar != b.bar 是在找包含其他bar值的记录，比如a,b,c,d包含a,b，会被选出来；a,b,c包含a,b，也会被选出来。最后结果会是a,b,c和a,b,c,d，这显然不是你要的——你需要排除a,b,c这种本身是子集的记录，所以得用NOT EXISTS反向判断。

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