SQL 识别模式是否在文本字段中重复出现的查询

Question

我正在尝试对我创建的日语词典数据库进行查询，该数据库识别重复的单词，例如 ニコニコ (niko niko)、ピカピカ (pika pika) 等单词。虽然我知道该怎么做 LIKE %% 查询，我不确定如何让它定义一个部分的模式并查看另一部分是否匹配它。

参数：

• 我要找的字都是4个双字节长
• 模式A由前两个字符组成，模式B由后两个字符组成
• 查询 运行 在结构相当简单的 headwords table 上：它有两个字段，id 和 headword
• table 上的排序规则设置为 utf8_bin
• 我们要过滤以仅搜索长度为 4 个字符的词条，然后识别模式 A 并查看模式 B 是否相同。如果是这样，return id.

奖励： 如果有办法 运行 直接搜索 utf8 而不是 utf8_bin，那将有助于选择一些额外的匹配项（例如 つれづれ tsure dure）。词条列上有一个 UNIQUE 索引，需要 utf8_bin 排序规则才能正确执行索引以进行正常操作。

数据和结果示例
根据 Strawberry 的建议添加

id | headword
=============
 1 | たべる
 2 | あらわれる
 3 | ばかばかしい
 4 | ニコニコ
 5 | じゅんびする
 6 | ぴかぴか
 7 | する
 8 | つれづれ
 9 | ひとびと
10 | ひと

期望的结果将 return ids 4 和 6；最佳结果也将 return 8 和 9.

• 1 太短了 1 个字符，模式 A (たべ) 与模式 B (る)
不匹配
• 2 太长了 1 个字符，模式 A (あら) 与模式 B (われ) 不匹配。 5
同上
• 3 匹配模式 A 和 B (ばか)，但是它太长了 6 个字符
• 7 和 10 太短了 2 个字符。虽然存在可能的模式 A（例如 10 中的 ひと 出现在 9 中的 ひとびと 中，但它的长度不足以提供模式 B 来与 [=67= 进行比较]

Answer 1

在 PHP 中，这就是您要查找的内容：preg_match('/^(..)$/u', 'ニコニコ') 将是 true。

u 限定符表示字符是 utf8。
.. 找到任意 2 个字符。
</code> 是对 <code>(..) 的反向引用，因此匹配重复项。
^ 和 $ 'anchor' 目标字符串开头和结尾的正则表达式。
'ニコニコ' 只是测试用例之一。

所以，从头开始，找到2个utf8字符，确保它们立即重复，后面没有其他内容。