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

SERVER定位字符位置的函数为CHARINDEX:

  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  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

  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   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

  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  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

  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:

  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。

  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

  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. 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'  GO  RECONFIGURE  GO  EXEC sp_configure 'clr enabled' , '1'  GO  RECONFIGURE  GO  EXEC sp_configure 'show advanced options' , '0';  GO

 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  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沃谷博客网站的支持!

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注