我们目前正在将我们的一个 oracle 数据库迁移到 UTF8，并且我们发现了一些接近 4000 字节 varchar 限制的记录。 当我们尝试迁移这些记录时，它们会失败，因为它们包含变成多字节 UF8 字符的字符。 我想在 PL/SQL 中做的是找到这些字符以查看它们是什么，然后更改它们或删除它们。
我想做：
SELECT REGEXP_REPLACE(COLUMN,'[^[:ascii:]],'')
但是 Oracle 没有实现 [:ascii:] 字符类。
有没有一种简单的方法可以做我想做的事？
【问题讨论】：
ç 替换为 c 等等。扔掉整个字符比丢弃变音符号更糟糕。
在单字节 ASCII 兼容编码（例如 Latin-1）中，ASCII 字符只是 0 到 127 范围内的字节。因此您可以使用 [\x80-\xFF] 之类的东西来检测非 ASCII 字符。
【讨论】：
'['||chr(128)||'-'||chr(255)||']' 的东西），2.）尝试替换 '['||chr(32)||'-'||chr(127)||']' 中的所有字符会导致 ora-12728 错误（无效正则表达式中的范围）。我的数据库字符集是 al32utf8。有什么想法吗？
REGEXP_REPLACE ( 'abc', '['||chr(32)||'-'||chr(128)||']' , '_' ) 产生abc，而REGEXP_REPLACE ( 'abc', '[^'||chr(32)||'-'||chr(128)||']' , '_' ) 返回___）。
使用正则表达式可能有更直接的方法。运气好的话，别人会提供它。但这是我无需查阅手册即可完成的操作。
创建一个 PLSQL 函数来接收您的输入字符串并返回一个 varchar2。
在 PLSQL 函数中，对您的输入执行 asciistr()。 PLSQL 是因为它可能返回一个长度超过 4000 的字符串，并且 PLSQL 中有 32K 可用于 varchar2。
该函数将非 ASCII 字符转换为 \xxxx 表示法。因此，您可以使用正则表达式来查找和删除它们。然后返回结果。
【讨论】：
我遇到了类似的问题，并在博客上写了 here。 我从字母数字的正则表达式开始，然后添加了一些我喜欢的基本标点符号：
select dump(a,1016), a, b
from
(select regexp_replace(COLUMN,'[[:alnum:]/''%()> -.:=;[]','') a,
COLUMN b
from TABLE)
where a is not null
order by a;
我使用带有 1016 变体的转储来给出我想要替换的十六进制字符，然后我可以在 utl_raw.cast_to_varchar2 中使用。
【讨论】：
选择可能类似于以下示例：
select nvalue from table
where length(asciistr(nvalue))!=length(nvalue)
order by nvalue;
【讨论】：
如果您使用ASCIISTR 函数将Unicode 转换为\nnnn 形式的文字，那么您可以使用REGEXP_REPLACE 去除这些文字，就像这样...
UPDATE table SET field = REGEXP_REPLACE(ASCIISTR(field), '\\[[:xdigit:]]{4}', '')
...其中 field 和 table 分别是您的字段和表名。
【讨论】：
ASCIISTR() 会将字符串扩展到超出此限制，并且字符串将被截断为 4000 个字符（从末尾丢失多余的字符）。 SQLFIDDLE
where replace(asciistr(field),asciistr('\'),'\') <> field
我在这里找到了答案：
http://www.squaredba.com/remove-non-ascii-characters-from-a-column-255.html
CREATE OR REPLACE FUNCTION O1DW.RECTIFY_NON_ASCII(INPUT_STR IN VARCHAR2)
RETURN VARCHAR2
IS
str VARCHAR2(2000);
act number :=0;
cnt number :=0;
askey number :=0;
OUTPUT_STR VARCHAR2(2000);
begin
str:=’^'||TO_CHAR(INPUT_STR)||’^';
cnt:=length(str);
for i in 1 .. cnt loop
askey :=0;
select ascii(substr(str,i,1)) into askey
from dual;
if askey < 32 or askey >=127 then
str :=’^'||REPLACE(str, CHR(askey),”);
end if;
end loop;
OUTPUT_STR := trim(ltrim(rtrim(trim(str),’^'),’^'));
RETURN (OUTPUT_STR);
end;
/
然后运行这个来更新你的数据
update o1dw.rate_ipselect_p_20110505
set NCANI = RECTIFY_NON_ASCII(NCANI);
【讨论】：
以下也有效：
select dump(a,1016), a from (
SELECT REGEXP_REPLACE (
CONVERT (
'3735844533120%$03 ',
'US7ASCII',
'WE8ISO8859P1'),
'[^!@/\.,;:<>#$%&()_=[:alnum:][:blank:]]') a
FROM DUAL);
【讨论】：
尝试以下方法：
-- To detect
select 1 from dual
where regexp_like(trim('xx test text æ¸¬è© ¦ “xmx” number²'),'['||chr(128)||'-'||chr(255)||']','in')
-- To strip out
select regexp_replace(trim('xx test text æ¸¬è© ¦ “xmxmx” number²'),'['||chr(128)||'-'||chr(255)||']','',1,0,'in')
from dual
【讨论】：
我不建议将它用于生产代码，但它很有意义并且似乎可以工作：
SELECT REGEXP_REPLACE(COLUMN,'[^' || CHR(1) || '-' || CHR(127) || '],'')
【讨论】：
Francisco Hayoz 给出的答案是最好的。如果 sql 可以为您做到，请不要使用 pl/sql 函数。
这是 Oracle 11.2.03 中的简单测试
select s
, regexp_replace(s,'[^'||chr(1)||'-'||chr(127)||']','') "rep ^1-127"
, dump(regexp_replace(s,'['||chr(127)||'-'||chr(225)||']','')) "rep 127-255"
from (
select listagg(c, '') within group (order by c) s
from (select 127+level l,chr(127+level) c from dual connect by level < 129))
而“rep 127-255”是
Typ=1 Len=30: 226,227,228,229,230,231,232,233,234,235,236,237,238,239,240,241,242,243,244,245,246,247,248,249,250,251,252,p>253,
即由于某种原因，此版本的 Oracle 不会替换 char(226) 及更高版本。 使用 '['||chr(127)||'-'||chr(225)||']' 可以得到想要的结果。 如果您需要替换其他字符，只需将它们添加到上面的正则表达式中，或者如果替换不同，则使用嵌套的 replace|regexp_replace 然后 ''（空字符串）。
【讨论】：
谢谢，这对我有用。顺便说一句，上面的示例中缺少单引号。
REGEXP_REPLACE (COLUMN,'[^' || CHR (32) || '-' || CHR (127) || ']', ' '))
我在自动换行功能中使用了它。有时，传入的文本中嵌入的 NewLine/NL/CHR(10)/0A 会造成混乱。
【讨论】：
这样做，它会工作。
trim(replace(ntwk_slctor_key_txt, chr(0), ''))
【讨论】：
请注意，无论何时使用
regexp_like(column, '[A-Z]')
Oracle 的正则表达式引擎也会匹配来自 Latin-1 范围的某些字符：这适用于所有看起来类似于 ASCII 字符的字符，例如 Ä->A、Ö->O、Ü->U 等，所以[AZ] 不是您从其他环境（例如 Perl）中所知道的。
与其摆弄正则表达式，不如尝试在字符集升级之前更改 NVARCHAR2 数据类型。
另一种方法：如果您的数据库仅包含欧洲字符（即 Latin-1）字符，您可以尝试使用 SOUNDEX 函数，而不是删除部分字段内容。或者您只需编写一个函数，将 Latin-1 范围内的字符转换为外观相似的 ASCII 字符，例如
当然仅适用于转换为 UTF-8 时超过 4000 字节的文本块。
【讨论】：
我回答这个问题有点晚了，但最近遇到了同样的问题（人们将各种东西剪切并粘贴到一个字符串中，我们并不总是知道它是什么）。 下面是一个简单的字符白名单方法：
SELECT est.clients_ref
,TRANSLATE (
est.clients_ref
, 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ01234567890#$%^&*()_+-={}|[]:";<>?,./'
|| REPLACE (
TRANSLATE (
est.clients_ref
,'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ01234567890#$%^&*()_+-={}|[]:";<>?,./'
,'~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
)
,'~'
)
,'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ01234567890#$%^&*()_+-={}|[]:";<>?,./'
)
clean_ref
FROM edms_staging_table est
【讨论】：
我认为这可以解决问题：
SELECT REGEXP_REPLACE(COLUMN, '[^[:print:]]', '')
【讨论】：
REGEXP_REPLACE(Column,'[^ -~]','') 非常好，因为 Oracle 不支持 '[\x80-\xFF]'。应该在答案中。
regexp_replace(column, '[^ -~|[:space:]]', '')
您可以尝试以下方法来搜索包含非 ascii 字符的列：
select * from your_table where your_col <> asciistr(your_col);
【讨论】：
我有类似的要求（为了避免这种丑陋的 ORA-31061: XDB error: special char to escaped char conversion failed. ），但必须保留换行符。
我从一个很好的评论中尝试了这个
'[^ -~|[:space:]]'
但是得到了这个ORA-12728: invalid range in regular expression。
但它引导我找到我的解决方案：
select t.*, regexp_replace(deta, '[^[:print:]|[:space:]]', '#') from
(select '- <- strangest thing here, and I want to keep line break after
-' deta from dual ) t
显示（在我的 TOAD 工具中）为
^ =>（打印[:print:] 或空格|[:space:] 字符）【讨论】：
如this comment 和this comment 中所述，您可以使用范围。
使用 Oracle 11，以下工作非常好：
SELECT REGEXP_REPLACE(dummy, '[^ -~|[:space:]]', '?') AS dummy FROM DUAL;
这会将可打印范围之外的任何内容替换为问号。
这将按原样运行，因此您可以通过安装验证语法。
将dummy 和dual 替换为您自己的列/表。
【讨论】：