Oracle 模糊查询方法

       在这个信息量剧增的时代,怎样帮助用户从海量数据中检索到想要的数据。模糊查询是不可缺少的。

那么在Oracle中模糊查询是怎样实现的呢?

 

一、我们能够在where子句中使用likekeyword来达到Oracle模糊查询的效果;在Where子句中。能够对datetime、char、varchar字段类型的列用Likekeyword配合通配符来实现模糊查询,下面是可使用的通配符:

(1)% :零或者多个字符,使用%有三种情况

字段 like '%keyword%'字段包括"keyword"的记录 字段 like 'keyword%'字段以"keyword"開始的记录字段 like '%keyword'字段以"keyword"结束的记录

样例:

SELECT * FROM [user] WHERE uname     LIKE '%三%'

搜索结果:“张三”。“小三”、“三脚猫”,“猫三脚”  有“三” 的记录全找出来。

SELECT * FROM [user]     WHERE uname LIKE '%三'  (从后開始匹配)

搜索结果:“张三”,“小三”

另外,假设须要找出uname中既有“三”又有“猫”的记录。请使用and条件

SELECT *FROM [user] WHERE uname LIKE '%三%' AND uname LIKE '%猫%'

若使用SELECT * FROM [user] WHERE     uname LIKE '%三%猫%',尽管能搜索出“三脚猫”,但不能搜索出“猫三脚”。

 

(2)_: 单一不论什么字符(下划线)经常使用来限制表达式的字符长度语句:

样例:

SELECT * FROM [user] WHERE uname     LIKE '_三_'

搜索结果:“猫三脚”这样uname为三个字符且中间一个是“三”的;

SELECT * FROM [user] WHERE uname     LIKE '三__';

搜索结果:“三脚猫”这样uname为三个字符且第一个是“三”的;

 

(3)[]:在某一范围内的字符,表示括号内所列字符中的一个(相似正則表達式)。指定一个字符、字符串或范围。要求所匹配对象为它们中的任一个。

样例:

 SELECT * FROM [user] WHERE u_name LIKE     '[张李王]三'

搜索结果:“张三”、“李三”、“王三”(而不是“张李王三”);

如 [ ]内有一系列字符(01234、abcde之类的)则可略写为“0-4”、“a-e”

SELECT * FROM [user] WHERE u_name     LIKE '老[1-9]'

搜索结果:“老1”、“老2”、……、“老9”。

 

(4)[^]: 不在某范围内的字符。使用方法与[ ]相反。

 

二、在Oracle中提供了instr(strSource,strTarget)函数,比使用'%keyword%'的模式效率高非常多。

 

instr函数也有三种情况:

instr(字段,'keyword')>0相当于 字段like '%keyword%'

instr(字段,'keyword')=1相当于 字段like 'keyword%'

instr(字段,'keyword')=0相当于 字段not like '%keyword%'

样例:

SELECT * FROM [user]     WHEREinstr(uname ,'三')>0

        使用方法參照上面的Like 就可以

 

特殊使用方法:

select id, namefrom user where instr('101914, 104703', id) > 0;

它等价于

select id, namefrom user where id = 101914 or id = 104703;

 

 

在数据量比較少的时候,能够直接使用上面这两种方法。可是当数据量特别大的时候。我们就应该考虑效率的问题了。

虽说在效率上Instr比likekeyword方法效率要高出不少,但这也不过在一定程度上而言。远不能满足我们的须要。

 

 为什么keyword查询效率这么低呢?这是因为在利用这些keyword查询的时候,数据库系统不是通过索引来查询。而是採用顺序扫描的方式来查询。显然,真是这样的技术特性,造成了Likekeyword查询效率的低下。特别是在复杂查询或者大表查询中。用户能够明显感觉到速度比較慢。

 

 怎么解决效率的难题呢?答案也正是索引。

合理的利用索引,能够大幅度的提升数据库的查询性能。

关于索引的合理应用,还在研究中。

【推广】 免费学中医,健康全家人
原文地址:https://www.cnblogs.com/llguanli/p/8506059.html