SqlServer类似正则表达式的字符处理问题

这篇文章主要介绍了SqlServer类似正则表达式的字符处理问题,需要的朋友可以参考下

SQL Serve提供了简单的字符模糊匹配功能,比如:like, patindex,不过对于某些字符处理场景还显得并不足够,日常碰到的几个问题有:

1. 同一个字符/字符串,出现了多少次

2. 同一个字符,第N次出现的位置

3. 多个相同字符连续,合并为一个字符

4. 是否为有效IP/身份证号/手机号等

一. 同一个字符/字符串,出现了多少次

同一个字符,将其替换为空串,即可计算

?

1

2

3

4

5

declare @text varchar(1000)

declare @str varchar(10)

set @text = 'ABCBDBE'

set @str = 'B'

select len(@text) – len(replace(@text,@str,''))

同一个字符串,仍然是替换,因为是多个字符,方法1替换后需要做一次除法;方法2替换时增加一个字符,则不需要

?

1

2

3

4

5

6

7

8

9

10

11

12

–方法1

declare @text varchar(1000)

declare @str varchar(10)

set @text = 'ABBBCBBBDBBBE'

set @str = 'BBB'

select (len(@text) – len(replace(@text,@str,'')))/len(@str)

–方法2

declare @text varchar(1000)

declare @str varchar(10)

set @text = 'ABBBCBBBDBBBE'

set @str = 'BBB'

select len(replace(@text,@str,@str+'_')) – len(@text)

二. 同一个字符/字符串,第N次出现的位置

SQL SERVER定位字符位置的函数为CHARINDEX:

?

1

CHARINDEX ( expressionToFind , expressionToSearch [ , start_location ] )

可以从指定位置起开始检索,但是不能取第N次出现的位置,需要自己写SQL来补充,有以下几种思路:

1. 自定义函数, 循环中每次为charindex加一个计数,直到为N

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

if object_id('NthChar','FN') is not null

drop function Nthchar

GO

create function NthChar

(

@source_string as nvarchar(4000),

@sub_string as nvarchar(1024),

@nth as int

)

returns int

as

begin

declare @postion int

declare @count int

set @postion = CHARINDEX(@sub_string, @source_string)

set @count = 0

while @postion > 0

begin

set @count = @count + 1

if @count = @nth

begin

break

end

set @postion = CHARINDEX(@sub_string, @source_string, @postion + 1)

End

return @postion

end

GO

–select dbo.NthChar('abcabc','abc',2)

–4

2. 通过CTE,对待处理的整个表字段操作, 递归中每次为charindex加一个计数,直到为N

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

if object_id('tempdb..#T') is not null

drop table #T

create table #T

(

source_string nvarchar(4000)

)

insert into #T values (N'我们我们')

insert into #T values (N'我我哦我')

declare @sub_string nvarchar(1024)

declare @nth int

set @sub_string = N'我们'

set @nth = 2

;with T(source_string, starts, pos, nth)

as (

select source_string, 1, charindex(@sub_string, source_string), 1 from #t

union all

select source_string, pos + 1, charindex(@sub_string, source_string, pos + 1), nth+1 from T

where pos > 0

)

select

source_string, pos, nth

from T

where pos <> 0

and nth = @nth

order by source_string, starts

–source_string pos nth

–我们我们 3 2

3. 借助数字表 (tally table),到不同起点位置去做charindex,需要先自己构造个数字表

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

–numbers/tally table

IF EXISTS (select * from dbo.sysobjects where id = object_id(N'[dbo].[Numbers]') and OBJECTPROPERTY(id, N'IsUserTable') = 1)

DROP TABLE dbo.Numbers

–===== Create and populate the Tally table on the fly

SELECT TOP 1000000

IDENTITY(int,1,1) AS number

INTO dbo.Numbers

FROM master.dbo.syscolumns sc1,

master.dbo.syscolumns sc2

–===== Add a Primary Key to maximize performance

ALTER TABLE dbo.Numbers

ADD CONSTRAINT PK_numbers_number PRIMARY KEY CLUSTERED (number)

–===== Allow the general public to use it

GRANT SELECT ON dbo.Numbers TO PUBLIC

–以上数字表创建一次即可,不需要每次都重复创建

DECLARE @source_string nvarchar(4000),

@sub_string nvarchar(1024),

@nth int

SET @source_string = 'abcabcvvvvabc'

SET @sub_string = 'abc'

SET @nth = 2

;WITH T

AS

(

SELECT ROW_NUMBER() OVER(ORDER BY number) AS nth,

number AS [Position In String]

FROM dbo.Numbers n

WHERE n.number <= LEN(@source_string)

AND CHARINDEX(@sub_string, @source_string, n.number)-number = 0

—-OR

–AND SUBSTRING(@source_string,number,LEN(@sub_string)) = @sub_string

)

SELECT * FROM T WHERE nth = @nth

4. 通过CROSS APPLY结合charindex,适用于N值较小的时候,因为CROSS APPLY的次数要随着N的变大而增加,语句也要做相应的修改

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

declare @T table

(

source_string nvarchar(4000)

)

insert into @T values

('abcabc'),

('abcabcvvvvabc')

declare @sub_string nvarchar(1024)

set @sub_string = 'abc'

select source_string,

p1.pos as no1,

p2.pos as no2,

p3.pos as no3

from @T

cross apply (select (charindex(@sub_string, source_string))) as P1(Pos)

cross apply (select (charindex(@sub_string, source_string, P1.Pos+1))) as P2(Pos)

cross apply (select (charindex(@sub_string, source_string, P2.Pos+1))) as P3(Pos)

5. 在SSIS里有内置的函数,但T-SQL中并没有

?

1

2

3

4

–FINDSTRING in SQL Server 2005 SSIS

FINDSTRING([yourColumn], "|", 2),

–TOKEN in SQL Server 2012 SSIS

TOKEN(Col1,"|",3)

注:不难发现,这些方法和字符串拆分的逻辑是类似的,只不过一个是定位,一个是截取,如果要获取第N个字符左右的一个/多个字符,有了N的位置,再结合substring去截取即可;

三. 多个相同字符连续,合并为一个字符

最常见的就是把多个连续的空格合并为一个空格,解决思路有两个:

1. 比较容易想到的就是用多个replace

但是究竟需要replace多少次并不确定,所以还得循环多次才行

?

1

2

3

4

5

6

7

8

–把两个连续空格替换成一个空格,然后循环,直到charindex检查不到两个连续空格

declare @str varchar(100)

set @str='abc abc kljlk kljkl'

while(charindex(' ',@str)>0)

begin

select @str=replace(@str,' ',' ')

end

select @str

2. 按照空格把字符串拆开

对每一段拆分开的字符串trim或者replace后,再用一个空格连接,有点繁琐,没写代码示例,如何拆分字符串可参考:“第N次出现的位置”;

四. 是否为有效IP/身份证号/手机号等

类似IP/身份证号/手机号等这些字符串,往往都有自身特定的规律,通过substring去逐位或逐段判断是可以的,但SQL语句的方式往往性能不佳,建议尝试正则函数,见下。

五. 正则表达式函数

1. Oracle

从10g开始,可以在查询中使用正则表达式,它通过一些支持正则表达式的函数来实现:

?

1

2

3

4

5

6

7

Oracle 10 g

REGEXP_LIKE

REGEXP_REPLACE

REGEXP_INSTR

REGEXP_SUBSTR

Oracle 11g (新增)

REGEXP_COUNT

Oracle用REGEXP函数处理上面几个问题:

(1) 同一个字符/字符串,出现了多少次

?

1

2

select length(regexp_replace('123-345-566', '[^-]', '')) from dual;

select REGEXP_COUNT('123-345-566', '-') from dual; –Oracle 11g

(2) 同一个字符/字符串,第N次出现的位置

不需要正则,ORACLE的instr可以直接查找位置:

?

1

instr('source_string','sub_string' [,n][,m])

n表示从第n个字符开始搜索,缺省值为1,m表示第m次出现,缺省值为1。

?

1

select instr('abcdefghijkabc','abc', 1, 2) position from dual;

(3) 多个相同字符连续,合并为一个字符

?

1

select regexp_replace(trim('agc f f '),'\\s+',' ') from dual;

(4) 是否为有效IP/身份证号/手机号等

?

1

2

3

4

5

6

7

8

9

10

11

12

–是否为有效IP

WITH IP

AS(

SELECT '10.20.30.40' ip_address FROM dual UNION ALL

SELECT 'a.b.c.d' ip_address FROM dual UNION ALL

SELECT '256.123.0.254' ip_address FROM dual UNION ALL

SELECT '255.255.255.255' ip_address FROM dual

)

SELECT *

FROM IP

WHERE REGEXP_LIKE(ip_address, '^(([0-9]{1}|[0-9][0-9]|1[0-9][0-9]|2[0-4][0-9]|25[0-5])\\.){3}([0-9]{1}|[0-9][0-9]|1[0-9][0-9]|2[0-4][0-9]|25[0-5])$');

–是否为有效身份证/手机号,暂未举例

2. SQL Server

目前最新版本为SQL Server 2017,还没有对REGEXP函数的支持,需要通用CLR来扩展,如下为CLR实现REG_REPLACE:

?

1

2

3

4

5

6

7

8

9

10

11

–1. 开启 CLR

EXEC sp_configure 'show advanced options' , '1'

GO

RECONFIGURE

GO

EXEC sp_configure 'clr enabled' , '1'

GO

RECONFIGURE

GO

EXEC sp_configure 'show advanced options' , '0';

GO

2. 创建 Assembly

?

1

2

3

4

5

6

7

8

–3. 创建 CLR 函数

CREATE FUNCTION [dbo].[regex_replace](@input [nvarchar](4000), @pattern [nvarchar](4000), @replacement [nvarchar](4000))

RETURNS [nvarchar](4000) WITH EXECUTE AS CALLER, RETURNS NULL ON NULL INPUT

AS

EXTERNAL NAME [RegexUtility].[RegexUtility].[RegexReplaceDefault]

GO

–4. 使用regex_replace替换多个空格为一个空格

select dbo.regex_replace('agc f f ','\\s+',' ');

注:通过CLR实现更多REGEXP函数,如果有高级语言开发能力,可以自行开发;或者直接使用一些开源贡献也行,比如:http://devnambi.com/2016/sql-server-regex/

小结:

1. 非正则SQL语句的思路,对不同数据库往往都适用;

2. 正则表达式中的规则(pattern) 在不同开发语言里,有很多语法是相通的,通常是遵守perl或者linux shell中的sed等工具的规则;

3. 从性能上来看,通用SQL判断 > REGEXP函数 > 自定义SQL函数。

总结

以上所述是小编给大家介绍的SqlServer类似正则表达式的字符处理问题,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对钦钦技术栈网站的支持!

原文链接:http://www.cnblogs.com/seusoftware/archive/2017/10/31/7760086.html

版权声明:本文(即:原文链接:https://www.qin1qin.com/catagory/24995/)内容由互联网用户自发投稿贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 630367839@qq.com 举报,一经查实,本站将立刻删除。

(0)
上一篇 2022年9月23日 下午12:19
下一篇 2022年9月23日 下午12:19
软件定制开发公司

相关阅读

发表回复

登录后才能评论
通知:禁止投稿所有关于虚拟货币,币圈类相关文章,发现立即永久封锁账户ID!