資料庫 SQL 入門（03）：文字比對與常用過濾—LIKE（% / _）、BETWEEN、IS [NOT] NULL、IN

在掌握 SELECT / WHERE / ORDER BY 之後，下一步就是把篩選條件寫得更精準。本篇延續 COUNTRY 與 CITY 表，帶你用四組常見工具處理日常查詢：

• LIKE：用 %（任意長度）與 _（單一字元）做文字樣式比對。
• BETWEEN：寫出**區間（含端點）**的過濾。
• IS [NOT] NULL：正確處理空值（NULL 不是空字串或 0）。
• IN：集合成員過濾，讓多值條件更簡潔。
  同時補充幾個實務眉角：大小寫與定序（collation）、索引可用性、日期區間寫法、NOT IN 與 NULL 的陷阱等，讓你的查詢既正確又有效率。

範例資料：國家表（COUNTRY）

id	name	population	area
1	France	66600000	640680
2	Germany	80700000	357000
…	…	…	…

這是我們將用於示範的國家資料表，包含國家的 ID、名稱、人口數量和面積資訊。

範例資料：城市表（CITY）

id	name	country_id	population	rating
1	Paris	1	2243000	5
2	Berlin	2	3460000	3
…	…	…	…	…

這是城市資料表，包含城市的 ID、名稱、所屬國家 ID、人口數量和評分資訊。我們將使用這兩個表來展示各種 SQL 查詢。

過濾輸出：文字運算符

LIKE 運算符 – 百分比符號 (%)

SELECT name
FROM city
WHERE name LIKE 'P%'
OR name LIKE '%s';

獲取以 ‘P’ 開頭或以 ‘s’ 結尾的城市名稱。% 代表任意數量的字符（包括零個）。

LIKE 運算符 – 底線符號 (_)

SELECT name
FROM city
WHERE name LIKE '_ublin';

獲取任何字母後跟 ‘ublin’ 的城市名稱（如愛爾蘭的 Dublin 或波蘭的 Lublin）。_ 代表任意單個字符。

過濾輸出：其他運算符

BETWEEN

SELECT name
FROM city
WHERE population BETWEEN 
  500000 AND 5000000;

獲取人口在 50 萬到 500 萬之間的城市名稱。

IS NOT NULL

SELECT name
FROM city
WHERE rating IS NOT NULL;

獲取評分值不為空的城市名稱。

IN

SELECT name
FROM city
WHERE country_id IN 
  (1, 4, 7, 8);

獲取國家 ID 為 1、4、7 或 8 的城市名稱。

總結

• LIKE 關鍵觀念
  • % 代表任意字元序列、_ 代表任意單一字元；如 name LIKE 'P%'、name LIKE '_ublin'。
  • 需要比對含 % 或 _ 的字面量時，用 ESCAPE：WHERE name LIKE '50\%%' ESCAPE '\'。
  • 大小寫：依資料庫與定序而定；PostgreSQL 可用 ILIKE 做不分大小寫比對，或用函式與對應函式索引（如 LOWER(name)）。
• BETWEEN 是「含頭含尾」
  • population BETWEEN 500000 AND 5000000 會包含 500,000 與 5,000,000。
  • 日期區間建議半開區間避免邊界誤差：date >= '2025-01-01' AND date < '2025-02-01'。
• IS [NOT] NULL 正確處理空值
  • NULL 不能用 = / != 比較：用 IS NULL / IS NOT NULL。
  • 與「空字串」不同；請先釐清資料意義（必要時 NULLIF()、COALESCE() 正規化）。
• IN / NOT IN 的用法與陷阱
  • 多值條件用 IN 更簡潔：country_id IN (1,4,7,8)。
  • NOT IN 遇到清單含 NULL 可能導致「全部為 UNKNOWN」→ 結果為空；保險作法改用 NOT EXISTS 反連接。
  • 清單很長時，效能可能下降；可把清單放臨時表後 JOIN，或用參數化陣列支援。
• 實務強化
  • 先正規化資料：去前後空白、統一大小寫與語系定序，索引才好用、比對才一致。
  • 大表查詢先縮小集合（WHERE 再 ORDER BY），必要時加索引或物化檢視。
  • 維持可讀性：用別名、為運算欄位取 AS，並善用 IN / BETWEEN 取代冗長的 OR/多重比較。
  • 一律參數化查詢，避免 SQL 注入。

把這四組工具用熟，你就能把關鍵資料從海量紀錄中又快又準地撈出來，為後續的 JOIN / GROUP BY 舖路。