来自 CLOB 的 Oracle REGEXP_SUBSTR

Posted 2023-05-09

【中文标题】来自 CLOB 的 Oracle REGEXP_SUBSTR

【英文标题】：Oracle REGEXP_SUBSTR from CLOB

【发布时间】：2021-04-22 08:48:29

【问题描述】：

我正在尝试从我的数据库中的 CLOB 字段中查找子字符串。

考虑以下字符串：

someothertext 2. Grad Dekubitus (Druckgeschwür) mit Abschürfung/Blase/Hautverlust someothertext

我只想从字符串中提取 "2.Grad"，但我的正则表达式似乎不起作用 - 我在一些在线正则表达式检查器中对字符串进行了测试，结果确实如此实际工作（Fiddle）

这是我的正则表达式：

REGEXP_SUBSTR(DBMS_LOB.SUBSTR(cf.TEXT, 4000), '\b[0-9]\.\sGrad$') AS "Grad"

目前，它返回 NULL，但我不知道为什么。

关于如何让它发挥作用的任何想法？

【问题讨论】：

尝试不使用锚$

Oracel 正则表达式不支持单词边界。 [0-9]\.\sGrad 将工作。或者，(^|\D)([0-9]\.\sGrad)，如果您需要确保[0-9] 之前没有数字。

根据documentation REGEXP_SUBSTR 也适用于CLOB，即您不必转换为VARCHAR2

@WernfriedDomscheit 对我来说它不起作用，如果我不转换它，我会收到以下错误：ORA-00932：不一致的数据类型：预期 - 得到 CLOB

好吧，没关系。也许是文档错误。或者你有一个旧的 Oracle。

【参考方案1】：

Oracle 不支持正则表达式中的字边界\b。

如果您希望数字前有空格，请删除 \b 或将其替换为 (^|\s)。

您还需要删除结尾的$，因为此时您并没有尝试匹配字符串的结尾。

REGEXP_SUBSTR( DBMS_LOB.SUBSTR(cf.TEXT, 4000), '(^|\s)[0-9]\.\sGrad' ) AS "Grad"

此外，如果您可以拥有多位数字，那么您可能需要使用[0-9]+。

如果您不想要前导空格，则可以将表达式的第二部分包装在捕获组中，然后使用 REGEXP_SUBSTR 的第 6 个参数提取该捕获组的值：

REGEXP_SUBSTR(
  DBMS_LOB.SUBSTR(cf.TEXT, 4000),
  '(^|\s)([0-9]\.\sGrad)',
  1,    -- Start from the 1st character
  1,    -- Find the 1st occurrence
  NULL, -- No flags
  2     -- Return the 2nd capturing group
) AS "Grad"

【讨论】：

感谢捕获组的提示，我还不是正则表达式方面的专家，这很有帮助！也感谢您的精彩解释:)。

【参考方案2】：

Oracle 正则表达式不支持单词边界。此外，$ 在您的模式中是多余的（请注意，您不要在正则表达式演示中使用它）。

你可以使用

REGEXP_SUBSTR(
    'someothertext 2. Grad Dekubitus (Druckgeschwür) mit Abschürfung/Blase/Hautverlust someothertext', 
    '(^|\D)([0-9]\.\sGrad)', 1, 1, NULL, 2
) AS "Grad"

在哪里

(^|\D) - 第 1 组：字符串或非数字开头 ([0-9]\.\sGrad) - 第 2 组：一个数字、一个点、作为空格和 Grad

如果与[0-9]匹配的数字前面应该有空格，您可以将(^|\D)替换为(\s|^)。

【讨论】：

您好 Wiktor，我不知道 Oracle 正则表达式不支持此功能，感谢您的快速帮助，它现在可以工作了 :)。

@Max Word 边界是危险的，因为它们的含义取决于上下文。我在这里建议一个数字和一个空白边界，请选择最适合你的。

@Max 1, 1, NULL, 2 代表从字符串中的第一个字符开始寻找匹配（1），返回第一个匹配 i> (1)，不传递其他标志 (NULL)，并且返回的字符串必须是第 2 组值 (2)。