Question

在其中一个专栏中，我以文本格式存储JSON数据。示例数据如下所示：

{
    "dummy_time": "2016-04-27T18:44:55+00:00",
    "timeout_data": "2016-04-29T16:22:35+00:00,2016-04-30T16:22:35+00:00,2016-05-29T16:22:35+00:00",
    "time_id": "T101",
    "time_desc": "bla bla bla"
}

我需要编写SQL查询来查找此列有多个密钥timeout_data日期的行。我对REGEX并不是那么好。我编写了简单的查询来查找关键timeout_data中的两个日期：

SELECT *
FROM table1 f
WHERE REGEXP_LIKE(f.data, '.+\"timeout_data\": \".+,.+\",\"time_id\".*')
AND ROWNUM<6;

这个查询已经运行了很久。表有大约35,000,000行。我不确定如何在密钥timeout_data中找到多个日期。如果您需要更多信息，请与我们联系。

Answer 1

也许instr()会更快。

SELECT 'test'
FROM  (SELECT '{
    "dummy_time": "2016-04-27T18:44:55+00:00",
    "timeout_data": "2016-04-29T16:22:35+00:00,2016-05-29T16:22:35+00:00",
    "time_id": "T101",
    "time_desc": "bla bla bla"
}' data FROM dual)
WHERE instr(data,',',instr(data,'"timeout_data"')) < instr(data,'"',instr(data,'"timeout_data"'),4);

您可以在数据的子集上进行测试。此外，instr(data,'"timeout_data"')被使用了两次，可能将其分解将加速该过程。

更新：您的REGEX似乎有问题 - 需要在.+之前\"time_id\"

此外 - REGEX不是限制因素。在我的机器上，一个100k SELECT .. FROM dual循环需要4.3秒。增加REGEX需要0.1秒。

Answer 2

1）使用timeout_data

提取行

2）计算模式的出现次数。

select REGEXP_COUNT(regexp_substr(json,'^.*timeout_data.*$', 1,1,'m'), '\d{4}-\d{2}-\d{2}T')
from ( 
select '{
    "dummy_time": "2016-04-27T18:44:55+00:00",
    "timeout_data": "2016-04-29T16:22:35+00:00,2016-04-30T16:22:35+00:00,2016-05-29T16:22:35+00:00",
    "time_id": "T101",
    "time_desc": "bla bla bla"
}' json from dual
);

Answer 3

您可以使用正则表达式找到ISO8601格式的日期：

\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}[+-]\d{2}:\d{2}

如果您想要多个以逗号分隔的副本，那么您可以使用：

pattern(,pattern)+

（如果您只想找到两个匹配项，请删除尾随+）

所以

\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}[+-]\d{2}:\d{2}(,\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}[+-]\d{2}:\d{2})+

哪会使您的查询：

SELECT *
FROM table1 f
WHERE REGEXP_LIKE(f.data, '"timeout_data":\s*"\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}[+-]\d{2}:\d{2}(,\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}[+-]\d{2}:\d{2})+"')
AND ROWNUM<6;

但是，如果您不想专门匹配日期，只想测试是否有多个以逗号分隔的值，那么您可以使用：

[^,"]+(,[^,"]+)+

（注意：确保模式与结束双引号不匹配 - 否则模式可能会超出属性的结尾。）

哪会使您的查询：

SELECT *
FROM table1 f
WHERE REGEXP_LIKE(f.data, '"timeout_data":\s*"[^,"]+([^,"]+)+"')
AND ROWNUM<6;

注意：您不需要在过滤段之前或之后查找任何内容，也不需要转义双引号。

正则表达式在Oracle DB的列数据中找到多次出现的字符串（11g）

3 个答案: