Question

在这里运行PostgreSQL 9.2.8 ......

我一直在尝试获取表格中包含非ASCII字符的所有行的列表 - 超出<space>到~范围内的任何行，以及反引号字符`。如果任何行包含任何无效字符，则将显示包含所有地址值的行。但由于某种原因，我收到以下错误：

ERROR:  argument of OR must not return a set (10586)
LINE 9: (CAST(regexp_matches(a.address_line_1,'([^ !-~]|`)') AS VARCHAR)...
         ^

********** Error **********

ERROR: argument of OR must not return a set (10586)
SQL state: 42804
Character: 252

我一直试图使用的查询如下：

select a.address_id, a.address_line_1, 
    a.address_line_2, 
    a.address_line_3, 
regexp_matches(a.address_line_1,'([^ !-~]|`)'),
regexp_matches(a.address_line_2,'([^ !-~]|`)'),
regexp_matches(a.address_line_3,'([^ !-~]|`)')
    FROM public.address a 
WHERE 
(CAST(regexp_matches(a.address_line_1,'([^ !-~]|`)') AS VARCHAR) <> '') OR
(CAST(regexp_matches(a.address_line_2,'([^ !-~]|`)') AS VARCHAR) <> '') OR
(CAST(regexp_matches(a.address_line_3,'([^ !-~]|`)') AS VARCHAR) <> '')
LIMIT 1000

我不确定我可能会遗漏什么，因为这似乎是一个有效的查询。

我正在尝试获取三个地址字段中任何一个中存在无效字符的行，而不仅仅是三个地址字段中的无效字符。

Answer 1

regexp_matches()返回SETOF text，无法像您尝试的那样使用（正如错误消息所示）。您可以使用regular expression operator ~代替。

但是你的正则表达式似乎没有涵盖你所描述的内容：

地址中的非ASCII字符

此外，括号表达式!-~中的范围[^ !-~]取决于您的COLLATION设置。 The manual warns:

范围非常依赖于整理顺序，因此便携式程序应该避免依赖它们。

考虑：

SELECT g, chr(g), chr(g) ~ '([^ !-~]|`)'
FROM   generate_series (1,300) g;  -- ASCII range plus some

假设服务器编码UTF8，找到3列中包含任何非ASCII字符的行：

...
WHERE octet_length(concat(a.address_line_1, a.address_line_2, a.address_line_3))
         <> length(concat(a.address_line_1, a.address_line_2, a.address_line_3))

这是有效的，因为所有非ASCII字符在UTF8中编码的字节数超过1个，因此octet_length()报告的数字高于length()（别名：char_length()）。与concat()的连接可以防止可能的NULL值。

要测试反引号，请添加：

...
OR  concat(a.address_line_1, a.address_line_2, a.address_line_3) LIKE '%`%'

Answer 2

一种方法使用exists：

where exists (select 1 from regexp_matches(a.address_line_1, '[^ !-~]')) or
      exists (select 1 from regexp_matches(a.address_line_2, '[^ !-~]')) or
      exists (select 1 from regexp_matches(a.address_line_3, '[^ !-~]'))

或者更简单：

where a.address_line_1 ~ '[^ !-~]' or
      a.address_line_2 ~ '[^ !-~]' or
      a.address_line_3 ~ '[^ !-~]'

错误：OR的参数不能返回一组

2 个答案: