背景

Question

背景

我有一张约90万人的表（1875年的人口普查）。我正在创建犯罪分子名单，我正试图找到跟随父母入狱的孩子。为此，我使用两个表：表1包含所有罪犯;表2包含每个人。我想在表2中搜索表1中列出的人，并且年龄在0-15岁之间。

制备

在清洁桌子时，我已经选择了大约6 000个无法轻易选择和/或清洁的桌子。数据结构的主要部分如下：

These collectively identify each individual           Not part of table
┌───────┴───────┐                                     ┌───────────┴───────────┐
ID1  ID2 ID3  ID4 FNAME   LNAME        BYEAR          *comment*
0515 004 0072 006 Ole     Jacobsen     1825@1826      usable
0515 004 0072 007 Gunhild Thorsdatter  1831@1835      possibly usable
0515 004 0075 010 Hans    Johnsden     1875@1865      unusable
0515 004 0099 001 Marit   Jakobsdatter 1832??@1837??  usable
0515 004 0102 193 Arne    Olsen        1836 %1805%    usable
0515 004 0102 194 Rasmus  Pedersen     1876!!         usable after corrections

说明：

@符号表示＆＃39;＆＃39;或＆＃39;＆＃39;
A ??表示不确定性
A !!表示源实际包含此错误信息
％[text]％表示文字在源

方法和主要问题

我打算做的是列出BYEAR被列为YYYY@YYYY（第1年[或]年2）的每个人;我可以使用like "*@*"执行此操作。但是，我也希望将BYEAR中的信息分为三列：BYEAR1 BYEARJUNK（参见注释3）BYEAR2。从这些专栏中，我可以用干净的数字来计算年龄差异，从而找到可以进行进一步研究的个体。

所以我在标题中重复并澄清我的问题：如何将BYEAR列拆分为三个（或更多）列，以@或空格作为分隔符？

注释

1

其他人提出了类似的问题，但是this one是关于Unix的，this other post通过不分割数据来回答问题，我需要做的是执行计算（因此其他人可以轻松地重现我的方法））。

2

我添加了Oracle标记。但是，我目前正在本地工作，但将来需要对服务器进行相同的操作。

3

以上并未明确说明应如何填充垃圾栏。它的功能是列出从初始分隔符到最终分隔符的所有内容。以下是基本规则：

方法1

如果有@，BYEAR可以被认为只有一个分隔符。 BYEAR1将由@和BYEAR2之前的所有内容填充; BYEARJUNK只包含@。
如果第一年后有空格 - 例如“1802？ eller 1808'或'1802 ??埃勒蚂蚁。 1808'，BYEARJUNK应分别由'eller'和'eller ant填充。 '（包括空格）。
但是，如果有空格和是@符号，例如“1802？ eller 1803 @ 1808'？在这种情况下，我会将第一个空格作为初始分隔符，将（最终）@作为最终分隔符。换句话说：BYEAR1：'1802 ??'; BYEARJUNK：'eller 1803 @'; BYEAR2：'1808'。

方法2

就像这样：@和空格总是被视为分隔符;因此，要创建的BYEARJUNK列的数量将等于具有最多字数（减去2）的字段。这种方法可能是最简单和最好的方法，因为之后可以轻松地隔离感兴趣的数据。 BYEAR1和BYEAR2应该始终是该字段数据的第一个也是最后一个部分。

Answer 1

对于已清理的数据集，即始终有四个数字后跟分隔符（此处为@）后跟四个数字，以下代码可解决此问题。注意：我已将字段的名称更改为L[eft]BYEAR和R[ight]BYEAR，并且尚未创建垃圾列，因为数据已清除。

SELECT
LEFT ([BYEAR], 4) AS LBYEAR,
RIGHT([BYEAR], 4) AS RBYEAR,
(LBYEAR-RBYEAR)   AS ΣBYEARDIFF,
*

FROM [mytable]

WHERE BYEAR like "*@*";

这会创建三列：

LBYEAR在BYEAR列中找到前四个字符（希望是数字）。
RBYEAR在BYEAR列中找到最后四个字符（希望是数字）。
ΣBYEARDIFF计算差异。

最后一列非常有用，因为它会返回可以提取正确数据的字段的错误，即数据尚未清除的字段。输出示例：

LBYEAR  RBYEAR  ΣBYEARDIFF  PERSNR  FORNVN      ETTNVN          FAAR
1857    1847    10          005     Dorthea     Evensen         1857@1847
1845    1847    -2          002     Katharine   Olsdatter Ovren 1838@1837
22.0    1825    #Error      002     Boel Karin  Amundsen        22.06@07.1825
1857    1867    -10         008     Thrine  Andersen            1857@1867
1858    1857    1           027     Karl Georg  Syvertsen       1858@1857

使用此列，可以 - 根据研究的要求 - 首先使用WHERE ΣBYEARDIFF BETWEEN n and m选择要包含在最终清理步骤中的行，例如WHERE ΣBYEARDIFF BETWEEN -2 and 2将接受的数据插入到新表中，然后运行更新查询（见下文）以删除前四位数字（在本例中为字符，恰好是数字）。

代码：

UPDATE [T with accepted data]

SET BYEAR = left(BYEAR, 4)
WHERE BYEAR like "????*";

Answer 2

是否总共有2个日期由@？

分隔

left(byear,instr(byear,"@")-1)

会在@

之前给你一些字符

mid(byear,instr(byear,"@")+1)

会在@

之后给你字符

如何按多个条件拆分列？

背景

制备

说明：

方法和主要问题

注释

1

2

3

方法1

方法2

2 个答案: