SqlServer类似正则表达式的字符处理问题_甘肃明星软件开发有限公司

SqlServer类似正则表达式的字符处理问题

网络 2017-11-08 1390

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

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

--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

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

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

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

--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

(

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

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

--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

--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：

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

--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. 开启 CLR

EXEC sp_configure 'show advanced options' , '1'

RECONFIGURE

EXEC sp_configure 'clr enabled' , '1'

RECONFIGURE

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

2. 创建 Assembly

--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

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

--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。

分享到：

[返回顶部] [关闭窗口]

上一篇：详解Js中的模块化是如何实现的

下一篇：SQLserver排序规则基本概念探索

SqlServer类似正则表达式的字符处理问题

热门文章

随机文章