Question

我一直在搜索互联网，试图找到解决这个问题的方法。基本上我使用运行我们的支持软件的公司提供的Web服务来检索客户票并通过我们的系统输出它们（取决于过滤），以便客户可以从他们的仪表板上看到他们当前支持的活动票。我已经设法从通过Web服务返回的XML中获取所需的标记，并将其内容放在html表中（因此在表中逐行列出活动票证）但是，因为票证描述标记填充了来自客户端发送的电子邮件的内容，有很多令人讨厌的冗余css和样式已应用于我想删除的电子邮件。

到目前为止，我已设法使用'替换'功能替换此电子邮件内容中的一些冗余内容 - ＆gt;

        l_html_build := replace(l_html_build,'&lt;','<');
        l_html_build := replace(l_html_build,'&gt;','>');
        l_html_build := replace(l_html_build,'&amp;lt;','');
        l_html_build := replace(l_html_build,'&amp;gt;','');
        l_html_build := replace(l_html_build,'&amp;nbsp;','&nbsp;');

但是我现在需要覆盖添加了各种垃圾的p标签，以便它们成为标准的p标签 - ＆gt;

    From this:
    <p 0in;&quot;="" 3.0pt="" padding:="" 1.0pt;="" solid="" border-top:="" none;="" _mce_style=""border:" 0in&quot;="" 0in="" 1.0pt;padding:3.0pt="" #b5c4df="" style=""border:none;border-top:solid">

    To this:
    <p>

我已经研究过使用此处列出的regEXP函数psoug但是这似乎需要每次执行的select语句。我需要操作的数据存储在一个名为l_html_build的CLOB中，所以有什么方法可以调整regEXP函数以类似于上面替换函数的方式使用，还是有一种我不知道的替代方法？

如果这是一个菜鸟问题，我道歉。我的专长在于前端开发，PHP和MySQL，但不幸的是我现在需要在我的新角色中使用PL / SQL。

非常感谢任何帮助。

Answer 1

知道：

没有标准的PL / SQL包解析HTML。
You can't reliably parse HTML with regex。此外，Oracle仅支持基本的正则表达式，从而限制了它的功能。
你想留在PL / SQL

你剩下的选择很少（我能想到）：

自己编写一个简单的程序，可以在大多数情况下使用（但会有许多异常会破坏你的解析器）。
使用java解析器，在数据库中加载类，从PL / SQL调用java。 Oracle带有集成的jvm，因此无需额外设置。

如果您需要可靠性，我会选择选项（2），如果不经常但不可避免的损失可以接受，我会选择选项（1）。

由于您的内容将来自电子邮件客户端，我们可以假设只有一小部分（可忽略的？）部分会有非常模糊的HTML。

在这种情况下，您可以从可能需要进行一些调整的简单正则表达式开始：

SQL> SELECT regexp_replace(
  2  '<p1 3.0pt="" padding:="" #b5c4df="">
  3  text
  4  </p>',
  5                        '<([[:alpha:]]+)[^>]*>',
  6                        '<\1>') remove_attr_simple
  7    FROM dual;

REMOVE_ATTR_SIMPLE
------------------
<p>
text
</p>

这将无法捕获棘手的有效HTML（例如<P attr=">">），但由于您的输入有些标准，因此这应该很好。您可能需要使用其他过程删除HTML注释 - 我不确定是否可以使用正则表达式完成。

Answer 2

SQL实际上不是这项工作的最佳工具。正则表达式也不能可靠地执行此类任务。您最好使用XML解析器提取数据并使用其他语言处理数据。

据推测，Oracle本身并未发送这些电子邮件。发送什么程序，你能在那时添加一些程序化处理吗？

由于您已经了解PHP，here is a discussion of parsing HTML/XML in PHP。大多数其他语言都提供类似的工具。

使用正则表达式替换XML输出中包含的标记之间的所有内容

2 个答案: