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(gè)問題有：
1. 同一個(gè)字符/字符串，出現(xiàn)了多少次
2. 同一個(gè)字符，第N次出現(xiàn)的位置
3. 多個(gè)相同字符連續(xù)，合并為一個(gè)字符
4. 是否為有效IP/身份證號/手機(jī)號等
一. 同一個(gè)字符/字符串，出現(xiàn)了多少次
同一個(gè)字符，將其替換為空串，即可計(jì)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,'')) |
同一個(gè)字符串，仍然是替換，因?yàn)槭嵌鄠€(gè)字符，方法1替換后需要做一次除法；方法2替換時(shí)增加一個(gè)字符，則不需要
|
1
2
3
4
5
6
7
8
9
10
11
12
|
--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(gè)字符/字符串，第N次出現(xiàn)的位置
SQL SERVER定位字符位置的函數(shù)為CHARINDEX：
|
1
|
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(xiàn)的位置，需要自己寫SQL來補(bǔ)充，有以下幾種思路：
1. 自定義函數(shù), 循環(huán)中每次為charindex加一個(gè)計(jì)數(shù)，直到為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 NthcharGOcreate function NthChar(@source_string as nvarchar(4000), @sub_string as nvarchar(1024),@nth as int) returns intasbegin 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 endGO--select dbo.NthChar('abcabc','abc',2)--4 |
2. 通過CTE，對待處理的整個(gè)表字段操作, 遞歸中每次為charindex加一個(gè)計(jì)數(shù)，直到為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 #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(shù)字表 (tally table)，到不同起點(diǎn)位置去做charindex，需要先自己構(gòu)造個(gè)數(shù)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 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(shù)字表創(chuàng)建一次即可，不需要每次都重復(fù)創(chuàng)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(jié)合charindex，適用于N值較小的時(shí)候，因?yàn)镃ROSS APPLY的次數(shù)要隨著N的變大而增加，語句也要做相應(yīng)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 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(nèi)置的函數(shù)，但T-SQL中并沒有
|
1
2
3
4
|
--FINDSTRING in SQL Server 2005 SSISFINDSTRING([yourColumn], "|", 2),--TOKEN in SQL Server 2012 SSISTOKEN(Col1,"|",3) |
注：不難發(fā)現(xiàn)，這些方法和字符串拆分的邏輯是類似的，只不過一個(gè)是定位，一個(gè)是截取，如果要獲取第N個(gè)字符左右的一個(gè)/多個(gè)字符，有了N的位置，再結(jié)合substring去截取即可；
三. 多個(gè)相同字符連續(xù)，合并為一個(gè)字符
最常見的就是把多個(gè)連續(xù)的空格合并為一個(gè)空格，解決思路有兩個(gè)：
1. 比較容易想到的就是用多個(gè)replace
但是究竟需要replace多少次并不確定，所以還得循環(huán)多次才行
|
1
2
3
4
5
6
7
8
|
--把兩個(gè)連續(xù)空格替換成一個(gè)空格，然后循環(huán)，直到charindex檢查不到兩個(gè)連續(xù)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(gè)空格連接，有點(diǎn)繁瑣，沒寫代碼示例，如何拆分字符串可參考：“第N次出現(xiàn)的位置”；
四. 是否為有效IP/身份證號/手機(jī)號等
類似IP/身份證號/手機(jī)號等這些字符串，往往都有自身特定的規(guī)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(shù)，見下。
五. 正則表達(dá)式函數(shù)
1. Oracle
從10g開始，可以在查詢中使用正則表達(dá)式，它通過一些支持正則表達(dá)式的函數(shù)來實(shí)現(xiàn)：
|
1
2
3
4
5
6
7
|
Oracle 10 gREGEXP_LIKEREGEXP_REPLACEREGEXP_INSTRREGEXP_SUBSTROracle 11g (新增)REGEXP_COUNT |
Oracle用REGEXP函數(shù)處理上面幾個(gè)問題：
(1) 同一個(gè)字符/字符串，出現(xiàn)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) 同一個(gè)字符/字符串，第N次出現(xiàn)的位置
不需要正則，ORACLE的instr可以直接查找位置：
|
1
|
instr('source_string','sub_string' [,n][,m]) |
n表示從第n個(gè)字符開始搜索，缺省值為1，m表示第m次出現(xiàn)，缺省值為1。
|
1
|
select instr('abcdefghijkabc','abc', 1, 2) position from dual; |
(3) 多個(gè)相同字符連續(xù)，合并為一個(gè)字符
|
1
|
select regexp_replace(trim('agc f f '),'\s+',' ') from dual; |
(4) 是否為有效IP/身份證號/手機(jī)號等
|
1
2
3
4
5
6
7
8
9
10
11
12
|
--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(jī)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(shù)的支持，需要通用CLR來擴(kuò)展，如下為CLR實(shí)現(xiàn)REG_REPLACE：
|
1
2
3
4
5
6
7
8
9
10
11
|
--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(chuàng)建 Assembly
|
1
2
3
4
5
6
7
8
|
--3. 創(chuàng)建 CLR 函數(shù)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 INPUTASEXTERNAL NAME [RegexUtility].[RegexUtility].[RegexReplaceDefault]GO--4. 使用regex_replace替換多個(gè)空格為一個(gè)空格select dbo.regex_replace('agc f f ','\s+',' '); |
注：通過CLR實(shí)現(xiàn)更多REGEXP函數(shù)，如果有高級語言開發(fā)能力，可以自行開發(fā)；或者直接使用一些開源貢獻(xiàn)也行，比如：http://devnambi.com/2016/sql-server-regex/
小結(jié)：
1. 非正則SQL語句的思路，對不同數(shù)據(jù)庫往往都適用；
2. 正則表達(dá)式中的規(guī)則(pattern) 在不同開發(fā)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(guī)則；
3. 從性能上來看，通用SQL判斷 > REGEXP函數(shù) > 自定義SQL函數(shù)。
總結(jié)
以上所述是小編給大家介紹的SqlServer類似正則表達(dá)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(shí)回復(fù)大家的。在此也非常感謝大家對服務(wù)器之家網(wǎng)站的支持！
原文鏈接：http://www.cnblogs.com/seusoftware/archive/2017/10/31/7760086.html
