【KNIME经验】列聚合判断字符串是否含有若干子串

背景：我们有这样一个Excel文档，其中有两个工作簿，第一个工作簿中记录了零件的代码和零件的描述，其中零件的描述是长字符串，其中可能含有运营商的标识符；第二个工作簿是运营商的标识符列表，其中的字符串可能为零件描述文本的子字符串。需求是批量判断零件描述字符串中，是否出现过第二个工作簿中的运营商标识符，出现过一次或多次，都得到结果“是”，否则为“否”。

我们将使用多种方案来实现上述需求，从而通过这样的案例，加深对KNIME诸多节点功能的认识，将来可以拓展到其他需求解决当中去。

方案4：视频介绍请移步B站，搜索Up：“星汉长空”，视频：KNIME案例(271)批量子串匹配4。具体步骤介绍请参考视频，下面仅简要介绍关键的步骤及涉及到的节点功能。

思路：与方案一的思路类似，使用循环节点遍历若干个运营商标识符，每次通过其中一个运营商标识符，依据零件描述文本特点构造正则表达式，看批量的零件描述是否与之匹配，通过KNIME字符串处理（String Manipulation）节点下的regexMatcher函数就可以得到匹配结果。方案一将这样的批量匹配结果累积在行方向，需要使用分组节点加以处理；如果将结果累积在列方向（这里涉及到对循环节点的使用技巧，具体解释参见解释2），就可以通过列聚合节点加以处理，同样可以得到最后的判别结果，判断运营商标识符是否在零件描述中出现过。

对于同一个零件对于多个运营商标识符形成的正则表达式匹配结果（布尔型或者整型）在列方向上进行聚合，只要一个匹配结果为“true”，就得到判别结果“是”；否则，为“否”。

步骤1. 如图所示，在KNIME中加入两个Excel Reader节点，分别读入数据源Excel文件的两个工作簿（注意工作簿名的选取设置）。得到零件代码和零件描述列表，还有运营商标识符列表。

步骤2. 加入表行转变量循环（Table Row To Variable Loop Start）节点，将其与运营商标识符列表相连，这样就可以循环读取表格中的运营商标识符信息。为了判断零件描述是否与这样的标识符相匹配，还需要拖入String Manipulation（Variable）节点，依据零件描述文本的特点来构造一个正则表达式与之匹配，这一步非常灵活，参见解释2。

步骤3. 拖入KNIME字符串处理（String Manipulation）节点，将其与零件代码和零件描述列表（另外一个Excel Reader节点）相连接，再将步骤2构成的表达式变量通过流变量与之连接，在字符串处理中使用regexMatcher函数来判断批量的零件描述是否可以与步骤2构成的正则表达式相匹配，并使用toBoolean函数，返回布尔型匹配结果。

步骤4. 方案一是通过 Table Row To Variable Loop Start 以及 Loop end 节点组合搭配，完成了匹配结果的行方向累积；本方案使用 Table Row To Variable Loop Start 以及 Loop end (Column Append) 节点组合搭配，使匹配结果在列方向累积。

4.1 在循环内部加入 Math Formula 节点，对布尔型的变量进行转换，将“true”转为整型“0”；“false”转为整型“1”。再拖入 Column Aggregation 节点，在 Columns 标签页，选择“Type Selection”选项，替代手动选择列，勾选“Number （integer）”类型，自动选择所有整型列，我们刚才构造的所有整型列都被选入，这里一旦出现过一次“true”就会出现“0”，我们可以通过列聚合当中的乘积方法，得到所有列的乘积，如果结果为“0”，就说明出现过运营商标识符。只有所有标识符都没出现过，结果都是“1”，这里乘积才会不为零，这是方案4的核心思想。选择 Column Aggregation 节点的 Options 标签页，设置聚合的方法为“Product”，并设置聚合的列名为“是否运营商”。

4.2 不必将布尔型转变为整型，使用 Column Filter节点，通过设置正则表达式，取到所有布尔型的列，然后直接对布尔型进行字符串组合，再通过 Column Combiner 节点对所有布尔型的匹配结果加以合并。这一步的实现方式很多，也可以通过布尔型之间的运算来实现。

步骤5. 使用 Rule Engine 节点或者 String Manipulation 节点对布尔型或者整型的匹配结果做最后的修整，转变为“是”或“否”的字符串判别结果

5.1 加入 Column Filter 节点，过滤掉辅助列；再加入Rule Engine节点，对表格的结果做最后的修整。需要将整型的结果，转变为“是”或“否”的字符串判别结果。在Rule Engine节点的Expression框中写下逻辑表达式，如果“是否运营商”值为“0”，那么文字描述结果就为“是”；否则，在下方默认值处，写下TRUE（代表默认结果）的文字描述为“否”。亦即如果第一行逻辑判断不能满足的情况下，“是否运营商”为“1”，则赋予默认结果为“否”。最后选择Replace Column，替换掉原来的整型属性列，得到文字描述性的结果。

5.2 加入 String Manipulation 节点，对字符串中是否出现过“true”加以判断（具体设置可以参考268集对应的帖子）。

解释1. 何为KNIME？KNIME数据分析平台是一款强大开源的数据挖掘软件平台，可以固化数据处理的流程，在人与人，人与机器之间进行传递。

解释2. 为什么可以做到将批量的匹配结果在列方向累积？这里涉及到思维层面的转变，KNIME里面的若干循环起始节点和终了节点并不是一一对应的，虽然我们平时看到的例子，很多时候某些组合比较常见，但那并不是它们唯一的使用方法。突破了这个思维限制之后，我们对于循环节点的使用水平会有进一步的提升，不同的循环起始节点和不同的终了节点形成了多对多的关系，巧妙使用将起到意想不到的作用，加快问题解决的效率。