在 Oracle SQL 中使用正则表达式在字符串字段中查找 Unicode 字符

Posted 2023-05-09

【中文标题】在 Oracle SQL 中使用正则表达式在字符串字段中查找 Unicode 字符

【英文标题】：Finding Unicode Characters in String Field with Regex in Oracle SQL

【发布时间】：2021-05-06 01:40:06

【问题描述】：

我有一个字符串字段 (cmets)，其中包含一个用户 ID，例如“THOMASAN”。但是，字符串字段是动态的，可以在其中写入大量内容。但它总是有模式'UserID'。我正在尝试使用 Oracle SQL 中的 REGEXP_SUBSTR 函数来提取名称。

我已经尝试过 REGEXP_SUBSTR(cmets,'[A-Z]*') 但它会返回 null。如何在字符串字段中提取此用户 ID？

【问题讨论】：

能否展示一个示例 cmets 数据？

您并没有告诉函数您只需要用户 ID 部分。没有时间正确回答，但使用regexp_substr() 的subexpr 参数并在要保留的字符串部分周围添加一个组：dbfiddle.uk/…

试试unistr('\F7FD') || '[[:alpha:]]+'。

您的问题有问题。您显示的 Unicode 字符似乎是 \F7FD。但这不是一个有效的 Unicode 字符；值 F7FD 位于 Unicode 的私人使用区域中，这意味着 - 根据定义 - 它没有分配给任何字符。所以，请详细说明。在 Oracle 中使用 Unicode 并不难，但使用无效的 Unicode 值可能是不可能的。

【参考方案1】：

更新：

对于你提到的具体unicode

with cte as ( SELECT ' the left padding thomsan the right padding' comments FROM dual),
cte2 as (select ASCIISTR(upper(comments)) cmt from cte)

SELECT replace(regexp_substr( cmt, '\F7FD[A-Z]+', 1), 'F7FD','') userid from cte2;

【讨论】：

OP 专门询问 Unicode 字符的困难。 “THOMASAN”示例就是这样 - 而且，OP 特别提到它是可行的，而他更一般的情况可能包括 Unicode，而 that 不起作用。除非您可以解释您的答案与问题有何关系，特别是与 Unicode 有什么关系，否则我将不得不回过头来将此答案否决为“没有帮助”（除非您选择自己自愿删除）。

下次我会更仔细地阅读问题。我的理解是 UserID 将始终是模式，并且这个特殊字符  将作为 UserID 的前缀存在。除非列值中有更多  字符与 UserID 具有相同的模式，否则我的查询应该适用于该特定字符。

感谢您的回复。我能够为我的问题找到解决方案。我最终将此 REGEXP_SUBSTR(ASCIISTR(A.cmets),'(|F7FD)([A-Z]*)_(CLOSE|COMPLETED)',1,1,'i',2) 作为 AGENT_USERID