具有不同格式查找的电话号码

Question

我的数据库中存储了不同的电话格式，例如：

727.170.4799
1-416-958-6390
1.561.374.4268
(813) 929-5892

此表中大约有约 200 万条记录，因此修改需要很长时间。我需要通过执行电话查找来查找记录。

我控制的一件事是输入，我可以保证它将是数字。但是我不知道他们是否要输入带有或不带有国家/地区代码的数字，因此以这个数字为例，1-416-958-6390这两个都用于查找：

14169586390
4169586390

应该返回同一行 ( 1-416-958-6390)

如何尽可能高效地拨打电话号码？

这是我得到的，但它超级慢（正如预期的那样）：

select * from patients
WHERE ( REPLACE(phone_number, '-', '') LIKE '%4169586390' )

Answer 1

要清理数字，请使用正则表达式删除所有不是数字的内容：

regexp_replace(phone_number, '[^0-9]', '', 'g') 

您可以在其上创建索引，但不会使用常规 B 树索引，例如通配符位于左侧的 LIKE 条件。

在 Postgres 中，您有两种选择：您可以在反向值上创建常规 B 树索引并使用它：

create index on patients ( reverse(regexp_replace(phone_number, '[^0-9]', '', 'g')) );

然后使用该表达式并将其与反向输入进行比较：

select * 
from patients
where reverse(regexp_replace(phone_number, '[^0-9]', '', 'g')) like reverse('4169586390')||'%'

另一种选择是安装pg_trgm扩展并在表达式上创建一个三元组索引。这样你就可以“按原样”使用输入：

create index on patients 
   using gist ( regexp_replace(phone_number, '[^0-9]', '', 'g') gist_trgm_ops);

然后该索引可用于：

select * 
from patients
where regexp_replace(phone_number, '[^0-9]', '', 'g') like '%4169586390'

然而，GiST 索引比 B-Tree 索引更大，维护起来也更慢。

如果您不想在每个查询中重复该正则表达式，您可以创建一个包含它的视图，例如：

create view patients_clean_phones
as
select ... other columns ..., regexp_replace(phone_number, '[^0-9]', '', 'g') as clean_phone
from patients;

然后使用（假设您使用的是 GiST 索引，因此不需要反向）：

select *
from patients_clean_phones
where clean_phone like '4169586390%';

Postgres 足够聪明，在这种情况下仍然使用索引。

如果您使用的是 Postgres 12，则视图的替代方法是使用带有正则表达式的计算列，然后在计算列上创建索引。

Answer 2

方案A：（ 适用于美国和加拿大）

从删除标点和领先的“1”都柱和传入的值是所有真正需要的。 这是许多搜索问题的通用解决方案 - 清理表和传入的查询，目的是提高查找效率。

方案B：

1. 有另一列与REVERSE(num)，称之为rev。它可能是一个“生成”列。索引它。
2. 反转传入值： REVERSE("1.561.374.4268")
3. 取它的前4位数字： LEFT(REVERSE("..."), 4)=“8624”
4. 查找潜在结果： WHERE rev LIKE CONCAT(LEFT(REVERSE(inc), 4), '%')`

注意反转避免了前导通配符，这会阻止索引的有效使用。您现在有一个可能的值的小列表（大约 200 的 2M）。

5. 执行REGEXP检查所有格式和其余数字。

更好的是从反向列表中删除所有标点符号。那么唯一的变化是它是否以1. 如果您仅限于美国和加拿大，只需从rev列和传入值中删除“1” 。

如果您正在检查“987-654-3210”的某些变体，其中任何一个都将完成对 200 的检查：

phone REGEXP "987.*654.*3210"  -- no anchoring needed

rev REGEXP "^0123.*456.*987"   -- one anchor needed

所以...

计划C：

1. 添加rev计算自的列REVERSE(phone)
2. 索引它。

3. 然后，在搜索“987-654-3210”的某些变体时，请执行

   WHERE rev LIKE '0123%' AND rev RLIKE "^0123.*456.*987"

注： LIKE愿意使用索引；RLIKE不是。

清洁

旧版本：

REPLACE(
REPLACE(
REPLACE(
REPLACE(
REPLACE(num, '-', ''),
             ')', ''),
             '(', ''),
             ' ', ''),
             '.', '')

在 MySQL 8.0 或 MariaDB 10.0 中：

REGEXP_REPLACE(num, '[^0-9]', '')

另外（任何版本），要删除前导“1”，这是一种方法：

RIGHT(num, 10)