SqlServer類似正則表達式的字符處理問題

2024-08-31 01:05:13

字體：大中小

來源：轉載

供稿：網友

SQL Serve提供了簡單的字符模糊匹配功能，比如：like, patindex，不過對于某些字符處理場景還顯得并不足夠，日常碰到的幾個問題有：

1. 同一個字符/字符串，出現了多少次

2. 同一個字符，第N次出現的位置

3. 多個相同字符連續，合并為一個字符

4. 是否為有效IP/身份證號/手機號等

一. 同一個字符/字符串，出現了多少次

同一個字符，將其替換為空串，即可計算

declare @text varchar(1000)declare @str varchar(10)set @text = 'ABCBDBE'set @str = 'B'select len(@text) - len(replace(@text,@str,''))

同一個字符串，仍然是替換，因為是多個字符，方法1替換后需要做一次除法；方法2替換時增加一個字符，則不需要

--方法1declare @text varchar(1000)declare @str varchar(10)set @text = 'ABBBCBBBDBBBE'set @str = 'BBB'select (len(@text) - len(replace(@text,@str,'')))/len(@str)--方法2declare @text varchar(1000)declare @str varchar(10)set @text = 'ABBBCBBBDBBBE'set @str = 'BBB'select len(replace(@text,@str,@str+'_')) - len(@text)

二. 同一個字符/字符串，第N次出現的位置

SQL SERVER定位字符位置的函數為CHARINDEX：

CHARINDEX ( expressionToFind , expressionToSearch [ , start_location ] )

可以從指定位置起開始檢索，但是不能取第N次出現的位置，需要自己寫SQL來補充，有以下幾種思路：

1. 自定義函數, 循環中每次為charindex加一個計數，直到為N

if object_id('NthChar','FN') is not null  drop function NthcharGOcreate 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. 通過CTE，對待處理的整個表字段操作, 遞歸中每次為charindex加一個計數，直到為N

if object_id('tempdb..#T') is not null  drop table #Tcreate table #T(source_string nvarchar(4000))insert into #T values (N'我們我們')insert into #T values (N'我我哦我')declare @sub_string nvarchar(1024)declare @nth    intset @sub_string = N'我們'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, nthfrom Twhere pos <> 0 and nth = @nthorder by source_string, starts--source_string  pos  nth--我們我們  3  2

3. 借助數字表 (tally table)，到不同起點位置去做charindex，需要先自己構造個數字表

--numbers/tally tableIF 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--以上數字表創建一次即可，不需要每次都重復創建DECLARE @source_string  nvarchar(4000),     @sub_string    nvarchar(1024),     @nth       intSET @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. 通過CROSS APPLY結合charindex，適用于N值較小的時候，因為CROSS APPLY的次數要隨著N的變大而增加，語句也要做相應的修改

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 no3from @Tcross 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里有內置的函數，但T-SQL中并沒有

--FINDSTRING in SQL Server 2005 SSISFINDSTRING([yourColumn], "|", 2),--TOKEN in SQL Server 2012 SSISTOKEN(Col1,"|",3)

注：不難發現，這些方法和字符串拆分的邏輯是類似的，只不過一個是定位，一個是截取，如果要獲取第N個字符左右的一個/多個字符，有了N的位置，再結合substring去截取即可；

三. 多個相同字符連續，合并為一個字符

最常見的就是把多個連續的空格合并為一個空格，解決思路有兩個：

1. 比較容易想到的就是用多個replace

但是究竟需要replace多少次并不確定，所以還得循環多次才行

--把兩個連續空格替換成一個空格，然后循環，直到charindex檢查不到兩個連續空格declare @str varchar(100)set @str='abc    abc   kljlk   kljkl'while(charindex(' ',@str)>0)begin  select @str=replace(@str,' ',' ')endselect @str

2. 按照空格把字符串拆開

對每一段拆分開的字符串trim或者replace后，再用一個空格連接，有點繁瑣，沒寫代碼示例，如何拆分字符串可參考：“第N次出現的位置”；

四. 是否為有效IP/身份證號/手機號等

類似IP/身份證號/手機號等這些字符串，往往都有自身特定的規律，通過substring去逐位或逐段判斷是可以的，但SQL語句的方式往往性能不佳，建議嘗試正則函數，見下。

五. 正則表達式函數

1. Oracle

從10g開始，可以在查詢中使用正則表達式，它通過一些支持正則表達式的函數來實現：

Oracle 10 gREGEXP_LIKEREGEXP_REPLACEREGEXP_INSTRREGEXP_SUBSTROracle 11g (新增)REGEXP_COUNT

Oracle用REGEXP函數處理上面幾個問題：

(1) 同一個字符/字符串，出現了多少次

select length(regexp_replace('123-345-566', '[^-]', '')) from dual;select REGEXP_COUNT('123-345-566', '-') from dual; --Oracle 11g

(2) 同一個字符/字符串，第N次出現的位置

不需要正則，ORACLE的instr可以直接查找位置：

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

n表示從第n個字符開始搜索，缺省值為1，m表示第m次出現，缺省值為1。

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

(3) 多個相同字符連續，合并為一個字符

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

(4) 是否為有效IP/身份證號/手機號等

--是否為有效IPWITH IPAS(SELECT '10.20.30.40' ip_address FROM dual UNION ALLSELECT 'a.b.c.d' ip_address FROM dual UNION ALLSELECT '256.123.0.254' ip_address FROM dual UNION ALLSELECT '255.255.255.255' ip_address FROM dual)SELECT *FROM IPWHERE 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])$');--是否為有效身份證/手機號，暫未舉例

2. SQL Server

目前最新版本為SQL Server 2017，還沒有對REGEXP函數的支持，需要通用CLR來擴展，如下為CLR實現REG_REPLACE：

--1. 開啟 CLR EXEC sp_configure 'show advanced options' , '1'GORECONFIGUREGOEXEC sp_configure 'clr enabled' , '1'GORECONFIGUREGOEXEC sp_configure 'show advanced options' , '0';GO

2. 創建 Assembly

--3. 創建 CLR 函數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 INPUTAS EXTERNAL NAME [RegexUtility].[RegexUtility].[RegexReplaceDefault]GO--4. 使用regex_replace替換多個空格為一個空格select dbo.regex_replace('agc f  f ','/s+',' ');

注：通過CLR實現更多REGEXP函數，如果有高級語言開發能力，可以自行開發；或者直接使用一些開源貢獻也行，比如：http://devnambi.com/2016/sql-server-regex/

小結：

1. 非正則SQL語句的思路，對不同數據庫往往都適用；

2. 正則表達式中的規則(pattern) 在不同開發語言里，有很多語法是相通的，通常是遵守perl或者linux shell中的sed等工具的規則；

3. 從性能上來看，通用SQL判斷 > REGEXP函數 > 自定義SQL函數。

總結

以上所述是小編給大家介紹的SqlServer類似正則表達式的字符處理問題，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對VeVb武林網網站的支持！

注：相關教程知識閱讀請移步到MSSQL教程頻道。

上一篇：SQL提取數據庫表名及字段名等信息代碼示例

下一篇：SQLserver排序規則基本概念探索