Oracle - 用正则表达式列表替换记录的子字符串

Posted 2023-03-28

【中文标题】Oracle - 用正则表达式列表替换记录的子字符串

【英文标题】：Oracle - Substitute substrings of records by a list of regular expressions

【发布时间】：2015-02-26 13:49:53

【问题描述】：

我想清理一个字母数字 (varchar2) 记录表。应检查每条记录是否包含一组脏字，以防万一。模式和替换存储在单独的表中。

示例：

create table to_clean (
text_id number,
dirty_text  varchar2(4000));

insert into to_clean values(1,'hello this is my dirtyword1 text.');
insert into to_clean values(2,'hello this is my dirtyword3 text.');
insert into to_clean values(3,'hello this is my dirtyword2 dirtyword1  text.');

create table regex_list(
pattern varchar2(400),
replacement varchar2(400));

insert into regex_list values('dirtyword1','clean1');
insert into regex_list values('dirtyword2',' '); --remove totally
insert into regex_list values('dirtyword3','clean3');

伪代码：

for each dirty_text in to_clean
    for pattern, replacement in regexlist
        regex_replace(dirty_text, pattern, replacement)

在 Oracle 中解决此问题的最有效方法是什么？ regex_list 包含正则表达式和纯字符串作为模式。我只想替换完整的单词，而不是部分单词（所以用空格分隔）

【问题讨论】：

原来的表要保持不变，所以只有select才需要替换。

regex_list 表中真的有正则表达式吗？还是只是要替换的字符串？要替换部分单词吗？如果您的to_clean 表有一个字符串“Somedirtyword1InTheMiddle”，您想替换它吗？还是只想替换完整的单词？

regex_list 包含正则表达式和平面字符串作为模式。我只想替换完整的单词，不替换部分单词（因此由以下空格分隔）

我假设你的dirty_text 值可能包含多个脏字，例如'hello this is my dirtyword1 and dirtyword2 text.'，对吗？

是的，这可能发生。

【参考方案1】：

试试这个：

UPDATE to_clean c
   SET dirty_text =
          (SELECT REGEXP_REPLACE (dirty_text, pattern, replacement) replaced
             FROM    regex_list r
                  INNER JOIN
                     (SELECT t.*,
                             (SELECT pattern
                                FROM regex_list
                               WHERE INSTR (T.DIRTY_TEXT, pattern) <> 0)
                                find_pat
                        FROM to_clean t) s
                  ON (r.pattern = s.find_pat)
            WHERE c.dirty_text = dirty_text);

如果你有表达式，而不是单词，instr 不起作用，那么使用 regexp_like（正如 Justin Cave 所说）：

SELECT REGEXP_REPLACE (dirty_text, pattern, replacement) replaced
             FROM    regex_list r
                  INNER JOIN
                     (SELECT t.*,
                             (SELECT pattern
                                FROM regex_list
                               WHERE regexp_like(T.DIRTY_TEXT,pattern) )
                                find_pat
                        FROM to_clean t) s
                  ON (r.pattern = s.find_pat) 

编辑

在这种情况下，您可以使用 plsql。请看这个：

--Create oracle objects
create or replace type clean_o as object(text_id number,dirty_text varchar2(500));
create or replace type clean_t as table of clean_o; 

--Function
create or replace function clean_text return clean_t pipelined is 
    cursor clean_c is select * from to_clean;
    text varchar2(250);
begin
    for c in clean_c loop
       text:= c.dirty_text; 
       for i in (select * from regex_list) loop
          text:= regexp_replace(text,i.pattern,i.replacement);  
       end loop;
       PIPE ROW (clean_o(c.text_id,text));
    end loop;
end;

现在你可以这样做了：

select * from table(clean_text)

【讨论】：

请注意，这将替换部分单词（即“Somedirtyword1InTheMiddle”中的dirtyWord1）而不是整个单词。instr 需要替换为regexp_like 以处理pattern. 你可能希望regex_list 表中的“纯字符串”是实现“整个单词”逻辑的正则表达式（即字符串的开头或前导空白字符，尾随白色空格或标点字符或字符串的结尾）。

是的@JustinCave，你是对的，但在这种情况下，他想删除单词而不是表达式，所以 instr 可以完美地查找单词，否则我会同意你的。谢谢

INSTR() 可以替换为 REGEXP_INSTR()，但在这种情况下，我认为这不会比 REGEXP_LIKE() 有任何好处。

伙计，你是个强迫症患者，不是吗？感谢您的努力，明天将测试它。

GGG，我希望那个人，我只是另一个喜欢甲骨文的男孩。我非常感谢您的评论，并希望这会有所帮助。:)