SQL中的正则表达式子字符串在两个字符分隔符上

Posted 2023-02-22

【中文标题】SQL中的正则表达式子字符串在两个字符分隔符上

【英文标题】：Regular Expression Substring in SQL on two character delimeter

【发布时间】：2015-04-14 21:09:33

【问题描述】：

我正在尝试获取一个分隔字符串并返回分隔符之间的每个子字符串。这用于我正在编写的更大函数中，因此分隔符通常是一个变量。

我们使用的一个非常常见的分隔符是“,”，因此这是我的第一个测试用例。根据我在正则表达式中格式化分隔符的方式，我遇到了不同的问题。

以下是我尝试过的不同方法和结果：

select REGEXP_SUBSTR ('foo bar', '[^' || '(, )' || ']+', 1, LEVEL) item
        from dual
        connect by REGEXP_SUBSTR ('foo bar', '[^' || '(, )' || ']+', 1, LEVEL

select REGEXP_SUBSTR ('foo bar', '[^' || '(,\s)' || ']+', 1, LEVEL) item
        from dual
        connect by REGEXP_SUBSTR ('foo bar', '[^' || '(,\s)' || ']+', 1, LEVEL

select REGEXP_SUBSTR ('foo bar', '[^' || '(,[:blank:])' || ']+', 1, LEVEL) item
        from dual
        connect by REGEXP_SUBSTR ('foo bar', '[^' || '(,[:blank:])' || ']+', 1, LEVEL

第一次和第三次尝试将空格上的 'foo' 和 'bar' 分开，即使没有逗号。后一种尝试按希望将 'foo' 和 'bar' 保持在同一行，但如果字符串中有一个 s（例如 horse），则结果是 'hor' 'e'。

我对正则表达式和 regexp_substr 的理解告诉我

'[^(,\s)]+'

应该在遇到逗号和空格时分隔字符串。但显然这并没有发生。我还没有找到和我有类似问题的人。任何帮助将不胜感激

作为参考，我在 SQL Developer 中使用 Oracle Database 11g Enterprise Edition Release 11.2.0.4.0 - 64bit Production

【问题讨论】：

我不太明白你的问题，你为什么不改用[^,[:blank:]]+？

@Aramillo - 会在逗号 或 空格上分割，而不是两个相邻的字符对。 OP 使用括号将它们视为一个单元在匹配字符列表中不起作用。

@AlexPoole 啊，现在我明白了。谢谢！！

【参考方案1】：

使用利用非贪婪量词的文本模式

遍历一个字符串以查找该模式的多次出现，'(.+?)(, |$)'：

模式(.+?) 是一个字符组。 . 指代任何/所有字符，+? 是 1 个或多个字符的非贪婪量词。

模式(, |$) 查找出现', ' 或（交替运算符，|）字符串结尾$。这是第二个字符组。

最后，使用子表达式仅引用第一个字符组

SCOTT@dev> VAR tval VARCHAR2(500);
SCOTT@dev> EXECUTE :tval := 'foo,bar, great';

PL/SQL procedure successfully completed.

SCOTT@dev> SELECT regexp_substr(:tval,'(.+?)(, |$)', 1, LEVEL, NULL, 1) t_val
  2  FROM dual
  3    CONNECT BY regexp_substr(:tval,'(.+?)(, |$)', 1, LEVEL, NULL, 1) IS NOT NULL
  4  /

T_VAL
--------
foo,bar
great

SCOTT@dev> VAR tval VARCHAR2(500);
SCOTT@dev> EXECUTE :tval := 'foo, bar, great';

PL/SQL procedure successfully completed.

SCOTT@dev> /

T_VAL
--------
foo
bar
great

SCOTT@dev> VAR tval VARCHAR2(500);
SCOTT@dev> EXECUTE :tval := 'foo,bar,great';

PL/SQL procedure successfully completed.

SCOTT@dev> /

T_VAL
--------
foo,bar,great

SCOTT@dev> VAR tval VARCHAR2(500);
SCOTT@dev> EXECUTE :tval := ',foo, bar, great';

PL/SQL procedure successfully completed.

SCOTT@dev> /

T_VAL
--------
,foo
bar
great

【参考方案2】：

你也可以这样做：

select trim(regexp_substr('foo bar, the cad, left','[^,]+',1,level)) from dual
connect by level <= regexp_count('foo bar, the cad, left',',')+1;

此查询搜索 , 而不是 ,(space)。但我认为你会得到相同的结果。如果您有 foo,bar, the cad, left 并期望，这不起作用 foo,bar,the cad,left

【讨论】：

只匹配一个逗号，以及一个逗号后跟一个空格。不过，这可能对这里的 OP 有用。 （取决于我认为不太常见的分隔符）。

感谢@AlexPoole，我在您发表评论时正在编辑。:)

修剪是一种有趣的方式，谢谢你，我只选择了另一个选项，因为它似乎更通用

是的，你做得对，我认为@AlexPoole 的回答更笼统。

【参考方案3】：

您对匹配字符列表的工作方式感到困惑。 From the documentation:

[char...] 匹配字符列表

匹配括号内列表中的任何单个字符。在列表中，除这些之外的所有 > 运算符都被视为文字：

范围运算符：- POSIX 字符类：[: :] POSIX 排序规则元素：[. .] POSIX 字符等价类：[= =]

因此，在您的模式'[^(,\s)]+' 中，每个字符都被视为文字； \ 不会使s 被视为空白字符，它只是一个s，因此它在horse 中匹配。并且括号也是文字，因此它们不会将这对字符包含在分隔符中，每个字符都只匹配字符串中的实际括号。在您的第一次和第三次尝试中，您只在一个空格上得到了匹配，因为匹配列表中的每个字符都是独立的，它们不会像您期望的那样通过括号组合。

据我所知，您不能否定一对值（尽管正则表达式不是一个强项，所以我很有可能错了）。一种选择是用您知道不会出现的字符替换所有出现的定界符 - 根据您的实际数据，您可能必须选择一个不可打印的字符或一个晦涩的 Unicode 字符 - 然后在正则表达式中使用它。

例如，为了简洁起见，使用绑定变量和哈希作为我知道不存在的字符：

variable string varchar2(20);
variable delimiter varchar2(2);

exec :string := 'foo bar, the cad, left';
exec :delimiter := ', ';

select regexp_substr(replace(:string, :delimiter, '#'),
  '[^#]+', 1, level) as item
from dual
connect by regexp_substr(replace(:string, :delimiter, '#'),
  '[^#]+', 1, level) is not null;

ITEM                
--------------------
foo bar              
the cad              
left                 

【讨论】：

感谢您教我匹配字符列表。我只是想在普通的正则表达式中，'(abc)*' 将如何匹配 abcabc 而不是 aaa。 Oracle SQL 的正则表达式在使用中似乎有点不稳定，但这既不是这里也不是那里。而且您的建议非常有效，我不相信我们会在使用此功能的字段中使用哈希值，我可以将其包含在文档中，如果有问题，请采纳您的建议并寻求非可打印字符。再次感谢！