如何根据 Oracle SQL 中的模式提取两个字符串之间的数据答案

【问题标题】：How do I extract data between two strings based on a pattern in Oracle SQL如何根据 Oracle SQL 中的模式提取两个字符串之间的数据
【发布时间】：2021-02-15 04:39:07
【问题描述】：

我想根据特定模式从 oracle SQL 中 CLOB 类型的列中提取数据。我用正则表达式尝试了不同的东西，到目前为止没有任何效果。

PFB 有关数据外观和预期输出的示例。样本数据：

我应该提取单词 LIST 之前的 CLOB 列，直到 .(dot) 之前的一个单词 PS：CLOB 可以在模式内有 CR LF / 回车。预期输出：

【问题讨论】：

为什么12346在输出中不包含[SOC]和[RAW]？
您要提取的内容不符合col_b 的值。如果要在点之前提取，那么[Location=BLAH] 和[SOC] 也应该在结果集中。
输入字符串包括换行符（正如您自己所说）。这些换行符在您的输出中消失了。这是为什么？这是要求的一部分吗？你没有提到它；如果这是要求的一部分，您应该这样说。
另外，请将示例数据以纯文本（而非图像）的形式发布 - 我们不能使用您发布的内容来测试我们的解决方案。

标签： sql oracle

【解决方案1】：

我会这样做。注意几点：

输出保留输入中存在的换行符。你没有说出关于删除它们的任何信息；但是，您的输出未显示他们。无论如何 - 如果需要，它们可以被移除，但这是一个不相关的过程。
您说的是“单词”，但显然您使用的是不同的意思来自正则表达式中的常见用法。在正则表达式中，“字 characters" 只是字母、数字和下划线；但您的 “单词”包括括号、等号，还有谁知道呢。我将“单词”解释为任何连续的非空白字符序列。

我们可以通过以下方式重新创建您的数据。当您在这里提出问题时，您应该以这种方式提供示例数据 - 而不是我们无法在 SQL 编辑器中复制和粘贴的图像。

CREATE TABLE sample_data( col_a varchar2(20), col_b CLOB );

INSERT INTO sample_data VALUES
('12345', to_clob(
'Created:2/28/2019
Updated:1/19/2021
LIST:[ABC][DEF][GHI]
[LMNO][PQRST]
[Location=BLAH].[City=BLAH]'));

INSERT INTO sample_data VALUES
('12346', to_clob(
'Created:2/28/2019
Updated:1/19/2021
LIST:[ABC][DEF][GHI]
[LMNO][PQRST]
[SOC].[RAW]'));

commit;

然后这里是查询和输出。请注意，根据您的界面（在我的例子中：SQL Developer，它使用类似 SQL*Plus 的界面），您可能需要更改一些设置以使输出不会被截断。特别是在 SQL*Plus 中，CLOB 列默认被截断为 80 个字符；我不得不

set long 100

所以 - 查询和输出：

select col_a, col_b,
       regexp_substr(col_b, '(\s|^)(LIST:[^.]*?)\s+\S+\.', 1, 1, null, 2)
         as result
from   sample_data
;

COL_A COL_B                          RESULT                        
----- ------------------------------ ------------------------------
12345 Created:2/28/2019              LIST:[ABC][DEF][GHI]          
      Updated:1/19/2021              [LMNO][PQRST]                 
      LIST:[ABC][DEF][GHI]                                         
      [LMNO][PQRST]                                                
      [Location=BLAH].[City=BLAH]                                  

12346 Created:2/28/2019              LIST:[ABC][DEF][GHI]          
      Updated:1/19/2021              [LMNO][PQRST]                 
      LIST:[ABC][DEF][GHI]                                         
      [LMNO][PQRST]                                                
      [SOC].[RAW]

正则表达式匹配单个空格字符或字符串的开头（(\s|^)），然后是字符LIST:，后跟few连续，非- 句点字符（这将匹配空格和换行符，特别是）以允许匹配 - 以一个或多个空白字符继续，后跟一个单词（1个或多个非空白字符的字符串）和文字期间 (\.)。

我们必须返回的表达式用括号括起来，以便我们可以从regexp_substr 返回它。这种表达方式称为“捕获组”。正则表达式包含另一个捕获组(\s|^)，出于必要（交替），因此我们必须返回的捕获组是正则表达式中的第二个。这就是 regexp_substr 的最后一个参数所做的：它指示函数返回第二个捕获组。

请注意句点的一个特殊之处（与括号表达式中转义的更一般概念有关）：句点必须转义以表示正则表达式末尾的文字句点，而不是“任何字符” ;但是，在（否定的）括号表达式 [^.]*? 中，句点 - 表示文字句点，而不是“任何字符” - 被 not 转义。 Oracle 遵循 POSIX 标准的 ERE（扩展正则表达式）方言，该标准规定转义序列在括号表达式中无效。这与其他正则表达式方言不同，让很多用户感到困惑。

【讨论】：

【解决方案2】：

一种选择是使用REPLACE() 来删除line feed (CHR(10)) 和carriage return (CHR(13))，然后递归地使用REGEXP_REPLACE() 函数以提取LIST: 之后的子字符串点如

SELECT col_a,
       'LIST:'||REGEXP_REPLACE(REPLACE(REPLACE(col_b,CHR(10)),CHR(13)),'(.*LIST:)(\S+)(\..*)','\2') AS result
  FROM t;

col_a    result
------   -------
12345    LIST:[ABC][DEF][GHI][LMNO][PQRST][Location=BLAH]
12346    LIST:[ABC][DEF][GHI][LMNO][PQRST][SOC]

Demo

【讨论】：

【解决方案3】：

可能有更有效的方法可以做到这一点，但以下似乎可以工作：

首先我使用TRANSLATE 将换行符替换为空格，然后使用正则表达式查找LIST: 和. 之间的任何内容。然后我使用SUBSTR 和INSTR 删除最后的“单词”。我使用了子查询来避免重复第一步。

SELECT
  SubQuery.COL_A,
  SUBSTR(SubQuery.WithWordAndDot, 1, INSTR(SubQuery.WithWordAndDot,' ',-1)-1) AS Result
FROM 
(
SELECT
  COL_A,
  REGEXP_SUBSTR(TRANSLATE(COL_B, CHR(10)||CHR(13), ' '),'LIST:[^\.]+\.') as WithWordAndDot
FROM MyTable
 ) SubQuery
 ;

【讨论】：