SqlServer类似正则表达式的字符处理问题

sql Serve提供了简单的字符模糊匹配功能，比如：like,patindex，不过对于某些字符处理场景还显得并不足够，日常碰到的几个问题有：

1. 同一个字符/字符串，出现了多少次

2. 同一个字符，第N次出现的位置

3. 多个相同字符连续，合并为一个字符

4. 是否为有效IP/身份证号/手机号等

一. 同一个字符/字符串，出现了多少次

同一个字符，将其替换为空串，即可计算

rush:sql;"> declare @text varchar(1000) declare @str varchar(10) set @text = 'ABCBDBE' set @str = 'B' select len(@text) - len(replace(@text,@str,''))

同一个字符串，仍然是替换，因为是多个字符，方法1替换后需要做一次除法；方法2替换时增加一个字符，则不需要

rush:sql;"> --方法1 declare @text varchar(1000) declare @str varchar(10) set @text = 'ABBBCBBBDBBBE' set @str = 'BBB' select (len(@text) - len(replace(@text,'')))/len(@str) --方法2 declare @text varchar(1000) declare @str varchar(10) set @text = 'ABBBCBBBDBBBE' set @str = 'BBB' select len(replace(@text,@str+'_')) - len(@text)

二. 同一个字符/字符串，第N次出现的位置

sql SERVER定位字符位置的函数为CHARINDEX：

rush:sql;"> CHARINDEX ( expressionToFind,expressionToSearch [,start_location ] )

可以从指定位置起开始检索，但是不能取第N次出现的位置，需要自己写sql来补充，有以下几种思路：

1. 自定义函数,循环中每次为charindex加一个计数，直到为N

0 begin set @count = @count + 1 if @count = @nth begin break end set @postion = CHARINDEX(@sub_string,@source_string,@postion + 1) End return @postion end GO --select dbo.NthChar('abcabc','abc',2) --4

2. 通过CTE，对待处理的整个表字段操作,递归中每次为charindex加一个计数，直到为N

0 ) select source_string,nth from T where pos <> 0 and nth = @nth order by source_string,starts --source_string pos nth --我们我们 3 2

3. 借助数字表 (tally table)，到不同起点位置去做charindex，需要先自己构造个数字表

rush:sql;"> --numbers/tally table IF EXISTS (select * from dbo.sysobjects where id = object_id(N'[dbo].[Numbers]') and OBJECTPROPERTY(id,N'IsUserTable') = 1) DROP TABLE dbo.Numbers --===== Create and populate the Tally table on the fly SELECT TOP 1000000 IDENTITY(int,1) AS number INTO dbo.Numbers FROM master.dbo.syscolumns sc1,master.dbo.syscolumns sc2 --===== Add a Primary Key to maximize performance ALTER TABLE dbo.Numbers ADD CONSTRAINT PK_numbers_number PRIMARY KEY CLUSTERED (number) --===== Allow the general public to use it GRANT SELECT ON dbo.Numbers TO PUBLIC --以上数字表创建一次即可，不需要每次都重复创建 DECLARE @source_string nvarchar(4000),@sub_string nvarchar(1024),@nth int SET @source_string = 'abcabcvvvvabc' SET @sub_string = 'abc' SET @nth = 2 ;WITH T AS ( SELECT ROW_NUMBER() OVER(ORDER BY number) AS nth,number AS [Position In String] FROM dbo.Numbers n WHERE n.number <= LEN(@source_string) AND CHARINDEX(@sub_string,n.number)-number = 0 ----OR --AND SUBSTRING(@source_string,number,LEN(@sub_string)) = @sub_string ) SELECT * FROM T WHERE nth = @nth

4. 通过CROSS APPLY结合charindex，适用于N值较小的时候，因为CROSS APPLY的次数要随着N的变大而增加，语句也要做相应的修改

rush:sql;"> declare @T table ( source_string nvarchar(4000) )

insert into @T values
('abcabc'),('abcabcvvvvabc')
declare @sub_string nvarchar(1024)
set @sub_string = 'abc'

select source_string,p1.pos as no1,p2.pos as no2,p3.pos as no3
from @T
cross apply (select (charindex(@sub_string,source_string))) as P1(Pos)
cross apply (select (charindex(@sub_string,P1.Pos+1))) as P2(Pos)
cross apply (select (charindex(@sub_string,P2.Pos+1))) as P3(Pos)

5. 在SSIS里有内置的函数，但T-sql中并没有

rush:sql;"> --FINDSTRING in sql Server 2005 SSIS FINDSTRING([yourColumn],"|",2),--TOKEN in sql Server 2012 SSIS TOKEN(Col1,3)

注：不难发现，这些方法和字符串拆分的逻辑是类似的，只不过一个是定位，一个是截取，如果要获取第N个字符左右的一个/多个字符，有了N的位置，再结合substring去截取即可；

三. 多个相同字符连续，合并为一个字符

最常见的就是把多个连续的空格合并为一个空格，解决思路有两个：

1. 比较容易想到的就是用多个replace

但是究竟需要replace多少次并不确定，所以还得循环多次才行

0) begin select @str=replace(@str,' ',' ') end select @str

2. 按照空格把字符串拆开

对每一段拆分开的字符串trim或者replace后，再用一个空格连接，有点繁琐，没写代码示例，如何拆分字符串可参考：“第N次出现的位置”；

四. 是否为有效IP/身份证号/手机号等

类似IP/身份证号/手机号等这些字符串，往往都有自身特定的规律，通过substring去逐位或逐段判断是可以的，但sql语句的方式往往性能不佳，建议尝试正则函数，见下。

五. 正则表达式函数

1. Oracle

从10g开始，可以在查询中使用正则表达式，它通过一些支持正则表达式的函数来实现：

rush:sql;"> Oracle 10 g REGEXP_LIKE REGEXP_REPLACE REGEXP_INSTR REGEXP_SUBSTR Oracle 11g (新增) REGEXP_COUNT

Oracle用REGEXP函数处理上面几个问题：

(1) 同一个字符/字符串，出现了多少次

rush:sql;"> select length(regexp_replace('123-345-566','[^-]','')) from dual; select REGEXP_COUNT('123-345-566','-') from dual; --Oracle 11g

(2) 同一个字符/字符串，第N次出现的位置

不需要正则，ORACLE的instr可以直接查找位置：

rush:sql;"> instr('source_string','sub_string' [,n][,m])

n表示从第n个字符开始搜索，缺省值为1，m表示第m次出现，缺省值为1。

rush:sql;"> select instr('abcdefghijkabc',2) position from dual;

(3) 多个相同字符连续，合并为一个字符

rush:sql;"> select regexp_replace(trim('agc f f '),'\s+',' ') from dual;

(4) 是否为有效IP/身份证号/手机号等

rush:sql;"> --是否为有效IP WITH IP AS( SELECT '10.20.30.40' ip_address FROM dual UNION ALL SELECT 'a.b.c.d' ip_address FROM dual UNION ALL SELECT '256.123.0.254' ip_address FROM dual UNION ALL SELECT '255.255.255.255' ip_address FROM dual ) SELECT * FROM IP WHERE REGEXP_LIKE(ip_address,'^(([0-9]{1}|[0-9][0-9]|1[0-9][0-9]|2[0-4][0-9]|25[0-5])\.){3}([0-9]{1}|[0-9][0-9]|1[0-9][0-9]|2[0-4][0-9]|25[0-5])$'); --是否为有效身份证/手机号，暂未举例

2. sql Server

目前最新版本为sql Server 2017，还没有对REGEXP函数的支持，需要通用CLR来扩展，如下为CLR实现REG_REPLACE：

rush:sql;"> --1. 开启 CLR EXEC sp_configure 'show advanced options','1' GO RECONfigURE GO EXEC sp_configure 'clr enabled','1' GO RECONfigURE GO EXEC sp_configure 'show advanced options','0'; GO

2. 创建 Assembly

rush:sql;"> --3. 创建 CLR 函数 CREATE FUNCTION [dbo].[regex_replace](@input [nvarchar](4000),@pattern [nvarchar](4000),@replacement [nvarchar](4000)) RETURNS [nvarchar](4000) WITH EXECUTE AS CALLER,RETURNS NULL ON NULL INPUT AS EXTERNAL NAME [RegexUtility].[RegexUtility].[RegexReplaceDefault] GO --4. 使用regex_replace替换多个空格为一个空格 select dbo.regex_replace('agc f f ',' ');

注：通过CLR实现更多REGEXP函数，如果有高级语言开发能力，可以自行开发；或者直接使用一些开源贡献也行，比如：http://devnambi.com/2016/sql-server-regex/

小结：

1. 非正则sql语句的思路，对不同数据库往往都适用；

2. 正则表达式中的规则(pattern) 在不同开发语言里，有很多语法是相通的，通常是遵守perl或者linux shell中的sed等工具的规则；

3. 从性能上来看，通用sql判断 > REGEXP函数 > 自定义sql函数。

总结

以上所述是小编给大家介绍的sqlServer类似正则表达式的字符处理问题，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对编程之家网站的支持！