SQL CONTAINS: een uitgebreide tutorial

SQL CONTAINS begrijpen

SQL CONTAINS wordt gebruikt voor full-text searches, waarmee je databases kunt bevragen op specifieke woorden, zinnen of patronen binnen tekstgegevens. Het is vooral handig om gerichte informatie te vinden in grote tekstvelden waarvan de exacte locatie niet vooraf bekend is.

Syntaxis en parameters

De basis­synthaxis voor SQL CONTAINS is als volgt:

CONTAINS (column_name, 'search_pattern')Mogelijk gemaakt door

Belangrijke onderdelen zijn:

• Kolomnaam: Het veld waarin de zoekopdracht wordt uitgevoerd. Dit moet een full-text geïndexeerde kolom zijn.
• Zoekpatroon: De tekst die je binnen de kolom wilt vinden, tussen enkele aanhalingstekens.

Operatoren en wildcards

Om je zoekopdracht te verfijnen, ondersteunt SQL CONTAINS verschillende operatoren:

• AND & OR: Gebruik deze om meerdere zoektermen te combineren.
• NEAR: Vindt woorden die binnen een bepaalde nabijheid van elkaar staan.
• ASTERISK (*): Werkt als een wildcard voor zoekopdrachten waarbij het exacte woord deel kan uitmaken van een grotere string.

SQL CONTAINS implementeren

Laten we bekijken hoe je SQL CONTAINS toepast met praktische voorbeelden:

Basisgebruik

Om te zoeken naar de termen "apple" en "orange" in een kolom met de naam "fruit", kun je het volgende gebruiken:

CONTAINS (fruit, '"apple" AND "orange"')Mogelijk gemaakt door

Deze query retourneert rijen waarin beide termen voorkomen in de kolom "fruit".

Geavanceerde zoekopdrachten

Voor complexere zoekopdrachten kun je CONTAINS combineren met andere SQL-functies om verfijnde queries te maken, zoals zoeken naar zinnen die dicht bij elkaar staan of wildcards gebruiken om varianten van een woord te vinden.

Geavanceerde zoekopdrachten kunnen bestaan uit het combineren van CONTAINS met logische operatoren, gebruik van nabijheidszoekopdrachten en inzet van wildcard-tekens om patronen of specifieke datapunten in tekstvelden te ontdekken.

CONTAINS combineren met logische operatoren

SQL CONTAINS ondersteunt het gebruik van logische operatoren zoals AND, OR en NOT om zoekopdrachten op basis van meerdere criteria te verfijnen. Om bijvoorbeeld items te vinden die zowel "technology" als "innovation" bevatten in een tekstkolom, kun je je query als volgt opzetten:

SELECT 
  * 
FROM 
  your_table 
WHERE 
  CONTAINS(
    your_column, '"technology" AND "innovation"'
  );
Mogelijk gemaakt door

Om daarentegen items te vinden die een van beide termen bevatten, gebruik je OR:

SELECT 
  * 
FROM 
  your_table 
WHERE 
  CONTAINS(
    your_column, '"technology" OR "innovation"'
  );
Mogelijk gemaakt door

Nabijheidszoekopdrachten

De NEAR-operator is vooral nuttig om woorden of zinnen te vinden die dicht bij elkaar in de tekst voorkomen. Deze mogelijkheid is waardevol wanneer de relatie tussen termen hun betekenis beïnvloedt. Bijvoorbeeld, om te zoeken naar "climate" in de buurt van "change" binnen 10 woorden van elkaar:

SELECT 
  * 
FROM 
  your_table 
WHERE 
  CONTAINS(
    your_column, 'NEAR((climate, change), 10)'
  );
Mogelijk gemaakt door

Deze query geeft prioriteit aan records waar "climate" en "change" nauw met elkaar samenhangen, wat relevantere resultaten oplevert voor specifieke onderzoeksvragen.

Wildcard-zoekopdrachten

Wildcards vergroten de reikwijdte van zoekopdrachten doordat variabele tekens kunnen worden meegenomen. De asterisk (*) fungeert als wildcard in CONTAINS-queries, waarmee je kunt zoeken naar gedeeltelijke overeenkomsten. Om bijvoorbeeld varianten van "compute" te vinden, zoals "computer", "computing" of "computation", kun je gebruiken:

SELECT 
  * 
FROM 
  your_table 
WHERE 
  CONTAINS(your_column, '"compute*"');
Mogelijk gemaakt door

Deze aanpak is vooral handig wanneer je een brede set gegevens rond een stamwoord wilt vastleggen of wanneer je niet zeker weet welke exacte termen in de database zijn gebruikt.

Geavanceerde patroonherkenning

Voor situaties die nog geavanceerdere patroonherkenning vereisen, kun je SQL CONTAINS combineren met de LIKE-operator of reguliere expressies. Hoewel CONTAINS uitblinkt in full-text search, bieden LIKE en regex patroonflexibiliteit, zoals het matchen van specifieke tekenreeksen of formaten (bijv. e-mailadressen of telefoonnummers).

Praktisch voorbeeld: technieken combineren voor uitgebreide zoekopdrachten

Stel, je moet database-items vinden die te maken hebben met milieutechnologie, maar je weet niet precies welke formuleringen in de tekst zijn gebruikt. Je kunt verschillende technieken combineren zoals hieronder:

SELECT 
  * 
FROM 
  your_table 
WHERE 
  CONTAINS(
    your_column, '("environment*" NEAR "technology*", 10) OR "climate change" OR "renewable energy"'
  ) 
  AND your_column LIKE '%sustainability%';
Mogelijk gemaakt door

Deze query laat zien hoe je CONTAINS kunt gebruiken voor nabijheids- en wildcard-zoekopdrachten, terwijl je ook de LIKE-operator inzet voor extra patroonmatching. Zo krijg je een robuuste strategie voor complexe tekstzoekopdrachten.

Praktisch voorbeeld van SQL CONTAINS in data science

Als data scientist werk ik met allerlei soorten datasets, vaak tekstdatasets over klanttevredenheid en feedback. In dit voorbeeld gaan we op zoek naar specifieke trefwoorden die tevredenheid of ontevredenheid in klantfeedback kunnen aangeven.

CustomerFeedback-tabel

Om CONTAINS te gebruiken, moet in je database mogelijk Full-Text Search zijn ingeschakeld.

Het trefwoord CONTAINS wordt gebruikt om records te vinden waarin de kolom “FeedbackText” het woord “happy” bevat.

SELECT 
  * 
FROM 
  CustomerFeedback 
WHERE 
  CONTAINS(FeedbackText, 'happy');
Mogelijk gemaakt door

Bovenstaande query retourneert de rijen uit CustomerFeedback waarin de kolom FeedbackText het woord “happy” bevat.

Je kunt het CONTAINS-commando niet gebruiken in een SQLite-database. Gebruik in plaats daarvan:

SELECT 
  * 
FROM 
  CustomerFeedback 
WHERE 
  FeedbackText LIKE '%happy%';Mogelijk gemaakt door

Verder dan CONTAINS: patroonmatching en tekenreeksbewerking

Hoewel CONTAINS krachtig is voor tekstzoekopdrachten, biedt SQL ook andere technieken voor het werken met tekstdata:

LIKE-operator

Net als CONTAINS maakt de LIKE-operator patroonmatching mogelijk, maar met een eenvoudigere syntaxis, waarbij % als wildcard wordt gebruikt. Om bijvoorbeeld elke productnaam te vinden die "apple" bevat:

SELECT 
  * 
FROM 
  Products 
WHERE 
  productName LIKE '%apple%'
Mogelijk gemaakt door

Geavanceerde tekenreeksfuncties

SQL biedt functies zoals LEFT en REVERSE om delen van tekststrings te extraheren of te bewerken, wat uitgebreide mogelijkheden biedt voor tekstanalyse en -bewerking. Je kunt hier meer over leren in onze cursus Cleaning Data in SQL Server Databases.

Conclusie

De SQL-CONTAINS-functie en de bijbehorende mogelijkheden voor tekstbewerking zijn essentiële tools voor dataprofessionals. Door deze technieken te begrijpen en toe te passen, kun je tekstdata in je databases effectief doorzoeken en analyseren, inzichten ontsluiten en je data-analyseprojecten versterken.

Onthoud: de effectiviteit van je queries hangt niet alleen af van het beheersen van de syntaxis, maar ook van je begrip van de context en de structuur van je data. Oefen met datasets uit de praktijk en SQL-projecten en verken verschillende functies om de kracht van SQL bij tekstanalyse volledig te benutten.

Wil je meer leren over SQL-operatoren en de basis van SQL verkennen? Bekijk dan onze SQL Basics Cheat Sheet en de SQL Fundamentals skill track.