如何解决SqlServer类似正则表达式的字符处理问题

共计 6170 个字符，预计需要花费 16 分钟才能阅读完成。

丸趣 TV 小编给大家分享一下如何解决 SqlServer 类似正则表达式的字符处理问题，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

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

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

-- 方法 1
declare @text varchar(1000)
declare @str varchar(10)
set @text =  ABBBCBBBDBBBE 
set @str =  BBB 
select (len(@text) - len(replace(@text,@str,)))/len(@str)
-- 方法 2
declare @text varchar(1000)
declare @str varchar(10)
set @text =  ABBBCBBBDBBBE 
set @str =  BBB 
select len(replace(@text,@str,@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：

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

if object_id(NthChar , FN) is not null
 drop function Nthchar
create function NthChar
@source_string as nvarchar(4000), 
@sub_string as nvarchar(1024),
@nth as int
) 
returns int 
as 
begin 
 declare @postion int 
 declare @count int 
 set @postion = CHARINDEX(@sub_string, @source_string) 
 set @count = 0 
 while @postion   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 
--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

if object_id(tempdb..#T) is not null
 drop table #T
create table #T
source_string nvarchar(4000)
insert into #T values (N 我们我们)
insert into #T values (N 我我哦我)
declare @sub_string nvarchar(1024)
declare @nth int
set @sub_string = N 我们 
set @nth = 2
;with T(source_string, starts, pos, nth) 
as ( select source_string, 1, charindex(@sub_string, source_string), 1 from #t
 union all
 select source_string, pos + 1, charindex(@sub_string, source_string, pos + 1), nth+1 from T
 where pos   0
select 
 source_string, pos, 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

--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,1,1) 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 
( 
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, @source_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

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, source_string, P1.Pos+1))) as P2(Pos)
cross apply (select (charindex(@sub_string, source_string, P2.Pos+1))) as P3(Pos)

5. 在 SSIS 里有内置的函数，但 T -SQL 中并没有

--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

-- 把两个连续空格替换成一个空格，然后循环，直到 charindex 检查不到两个连续空格
declare @str varchar(100)
set @str= abc abc kljlk kljkl 
while(charindex(   ,@str) 0)
begin
 select @str=replace(@str,   ,  )
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：

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

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：

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。

select instr(abcdefghijkabc , abc , 1, 2) position from dual;

(3) 多个相同字符连续，合并为一个字符

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

-- 是否为有效 IP
WITH IP
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：

--1.  开启  CLR 
EXEC sp_configure  show advanced options  ,  1 
RECONFIGURE
EXEC sp_configure  clr enabled  ,  1 
RECONFIGURE
EXEC sp_configure  show advanced options  ,  0 
GO

 2. 创建 Assembly

--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]
--4.  使用 regex_replace 替换多个空格为一个空格
select dbo.regex_replace(agc f f  , \s+ ,  

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/

以上是“如何解决 SqlServer 类似正则表达式的字符处理问题”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注丸趣 TV 行业资讯频道！