在 Oracle SQL 中删除 HTML 标记的更好方法答案

【问题标题】：Better way to remove HTML tags in Oracle SQL在 Oracle SQL 中删除 HTML 标记的更好方法
【发布时间】：2018-11-22 17:01:43
【问题描述】：

我有一个 comments 列，添加到发布的 cmets 以富文本形式存储在 comments 列中。现在我正在尝试处理这些数据并获得人类可读的输出。我提供了我正在尝试处理的oracle SQL db 中的 2 个样本 comment 数据。

示例 1：

    <html>
<body>
<div align="left"><font face="Arial Unicode MS"><span style="font-size:8pt">Display the frulog on the count values</span></font></div>
</body>
</html>

示例 2：<not implemented in this release>

我使用下面的查询来处理 html 字符

Select (REGEXP_REPLACE(comments),'<.+?>') from test_table;

注意：请考虑示例 1 和示例 2 中提供的值作为上述 SQL 命令中的列 comments 传入。

Example 1 的查询结果是 Display the frulog on the count values，这是我所期待的。 Example 2 的结果是 ''。 Example 2 中的值不是 html 标签，但它仍然替换了标签。我怎样才能使替换语句聪明。

欢迎提出您的建议。

【问题讨论】：

可能是this regex？可以用作REGEX_REPLACE(comments, regex, '', 1, 0, 'in')
似乎是一个没有明确答案的常见问题：stackoverflow.com/questions/240546/…

标签： sql regex oracle replace

【解决方案1】：

SQL Fiddle

Oracle 11g R2 架构设置：

CREATE TABLE comments ( value ) AS
SELECT '<html>
<body>
<div align="left">
<font face="Arial Unicode MS">
<span style="font-size:8pt">
  Display the frulog on the count values
</span>
</font>
</div>
</body>
</html>' FROM DUAL UNION ALL
SELECT '<not implemented in this release>' FROM DUAL UNION ALL
SELECT '<test a="1"
  b=''2''
  c = 3
  d
  e = ">" >test</test>' FROM DUAL;

查询 1：

SELECT value,
       REGEXP_REPLACE(
         value,
         '\s*</?\w+((\s+\w+(\s*=\s*(".*?"|''.*?''|[^''">\s]+))?)+\s*|\s*)/?>\s*',
         NULL,
         1,
         0,
         'im'
       ) AS replaced
FROM   comments

Results：

|                                    VALUE |                               REPLACED |
|------------------------------------------|----------------------------------------|
| <html>                                   | Display the frulog on the count values |
| <body>                                   |                                        |
| <div align="left">                       |                                        |
| <font face="Arial Unicode MS">           |                                        |
| <span style="font-size:8pt">             |                                        |
| Display the frulog on the count values   |                                        |
| </span>                                  |                                        |
| </font>                                  |                                        |
| </div>                                   |                                        |
| </body>                                  |                                        |
| </html>                                  |                                        |
|------------------------------------------|----------------------------------------|
| <not implemented in this release>        |                                 (null) |
|------------------------------------------|----------------------------------------|
| <test a="1"                              |                                   test | 
|   b='2'                                  |                                        |
|   c = 3                                  |                                        |
|   d                                      |                                        |
|   e = ">" >test</test>                   |                                        |

注意：<not implemented in this release> 是一个有效的 HTML custom element，标签名称为 not，属性为 implemented、in、this 和 release。

如果您只想替换特定的 HTML 元素，请将它们列在正则表达式的开头：

\s*</?(a|abbr|acronym|address|applet|area|article|aside|audio|b|base|basefont|bdi|bdo|bgsound|big|blink|blockquote|body|br|button|canvas|caption|center|cite|code|col|colgroup|command|content|data|datalist|dd|del|details|dfn|dialog|dir|div|dl|dt|element|em|embed|fieldset|figcaption|figure|font|footer|form|frame|frameset|h1|head|header|hgroup|hr|html|i|iframe|image|img|input|ins|isindex|kbd|keygen|label|legend|li|link|listing|main|map|mark|marquee|menu|menuitem|meta|meter|multicol|nav|nextid|nobr|noembed|noframes|noscript|object|ol|optgroup|option|output|p|param|picture|plaintext|pre|progress|q|rp|rt|rtc|ruby|s|samp|script|section|select|shadow|slot|small|source|spacer|span|strike|strong|style|sub|summary|sup|table|tbody|td|template|textarea|tfoot|th|thead|time|title|tr|track|tt|u|ul|var|video|wbr|xmp)((\s+\w+(\s*=\s*(".*?"|''.*?''|[^''">\s]+))?)+\s*|\s*)/?>\s*

【讨论】：