REGEXP_REPLACE 从公司名称列中删除单词列表答案

【问题标题】：REGEXP_REPLACE to remove list of words from company name columnREGEXP_REPLACE 从公司名称列中删除单词列表
【发布时间】：2016-02-11 16:48:13
【问题描述】：

select 'Owens 1245 Coning COM CO LTD INC CORP INC', REGEXP_REPLACE(
      UPPER(TRIM(REGEXP_REPLACE(TRIM(REGEXP_REPLACE(regexp_replace('Owens 1245 Coning COM CO LTD', '(*[[:punct:]])', ' '),'(\s[0-9]+\s)|(^[0-9]+\s)|(\s[0-9]+$)',' ')),'( ){2,}', ' '))), 
      '\\b'||'CO|LTD|INC|CORP'||'\\W'
      ,'') CLEARTEXT
from dual;

如果我运行上述查询，它会删除除“CO”之外的所有停用词并给出输出：OWENS CONING COM CO

但是我需要输出类似于：OWENS CONING COM

【问题讨论】：

您可能需要添加另外几个具有预期输出的示例来阐明要求。什么是停用词？
您的选择中有太多替换，这意味着规则数量相同或更多。因此，请添加您的替换语句的规则，以便我们提供帮助！
抱歉，我的要求不明确
抱歉，我的要求不明确。规则是：- 1）用“空格”替换所有标点符号（特殊字符）。 2) 删除所有数字词（仅数字词）。 3) 从名称中删除所有停用词，停用词列表 (CO|LTD|INC|CORP) 是用户定义的，来自与 (Pipe |) 连接的表。

标签： sql oracle regexp-replace

【解决方案1】：

试试这个，但一定要测试列中可能存在的“停用词”和“好”数据的每个组合。此正则表达式查找您的“停用词”，其后跟一个空格或行尾（空格已被占用）并替换为空。我添加了括号以显示在最终的 TRIM()) 之后没有空格：

SQL> with tbl(str) as (
     select 'Owens 1245 Coning COM CO LTD. INC CORP. INC' from dual
   )
   select str original, '[' || trim(regexp_replace(upper(str), '(\d+|CO|LTD|INC|CORP)([[:punct:]])?( |$)', '')) || ']' CLEARTEXT
   from tbl;

ORIGINAL
-----------------------------------------
CLEARTEXT
--------------------------------------------------------------------------------
Owens 1245 Coning COM CO LTD. INC CORP. INC
[OWENS CONING COM]


SQL>

编辑：修改正则表达式以允许在停用词后使用可选标点符号。

【讨论】：

【解决方案2】：

with t as 
(
select '121 R.S. Hughes3 Company, Inc.' SUPPLIER_NAME from dual
)
select a.SUPPLIER_NAME , REGEXP_REPLACE(
      REGEXP_REPLACE(UPPER(TRIM(REGEXP_REPLACE(TRIM(REGEXP_REPLACE(regexp_replace(a.SUPPLIER_NAME , '(*[[:punct:]])', ' '),'(\s[0-9]+\s)|(^[0-9]+\s)|(\s[0-9]+$)',' ')),'( ){2,}', ' '))), ''),
  '(CO|LTD|INC|CORP)?( |$)'
  ,' ') CLEARTEXT
from t a
;

谢谢加里试图更改原始查询，其中我只添加了您提供的停用词查询，这给了我所需的输出。

再次感谢。

【讨论】：

抱歉，我的要求不明确。规则是：- 1）用“空格”替换所有标点符号（特殊字符）。 2) 删除所有数字词（仅数字词）。 3) 从名称中删除所有停用词，停用词列表 (CO|LTD|INC|CORP) 是用户定义的，来自与 (Pipe |) 连接的表。
所有这些嵌套调用不仅成本高昂，而且是维护的噩梦。我强烈建议您简化，以免您的名字被该代码的未来维护者诅咒。反而化繁为简，为后人所称道！在当前状态下，这不会通过良好的代码审查。我并不是要严厉，只是想在坏习惯开始之前改掉它。 :-)