如何解決SqlServer類似正則表達式的字符處理問題

137次閱讀

沒有評論

共計 6170 個字符，預計需要花費 16 分鐘才能閱讀完成。

丸趣 TV 小編給大家分享一下如何解決 SqlServer 類似正則表達式的字符處理問題，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

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 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 Nthchar
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 
--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 #T
create 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 int
set @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, nth
from T
where pos   0
 and nth = @nth
order 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 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 int
SET @source_string =  abcabcvvvvabc 
SET @sub_string =  abc 
SET @nth = 2 
;WITH T 
( 
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 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 里有內置的函數，但 T -SQL 中并沒有

--FINDSTRING in SQL Server 2005 SSIS
FINDSTRING([yourColumn],  | , 2),
--TOKEN in SQL Server 2012 SSIS
TOKEN(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,   ,  )
select @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 g
REGEXP_LIKE
REGEXP_REPLACE
REGEXP_INSTR
REGEXP_SUBSTR
Oracle 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 IP
WITH IP
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 
RECONFIGURE
EXEC sp_configure  clr enabled  ,  1 
RECONFIGURE
EXEC 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 INPUT
AS 
EXTERNAL NAME [RegexUtility].[RegexUtility].[RegexReplaceDefault]
--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/

以上是“如何解決 SqlServer 類似正則表達式的字符處理問題”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注丸趣 TV 行業資訊頻道！

正文完