Question

我有一张桌子，其中一列包含一个字符串，其中各项之间用分号（;）隔开

我想根据字符串的模式有选择地将数据传输到新表中。

例如，它可能看起来像

16 ;; 14; 30; 24; 11; 13; 14; 14; 10; 13; 18; 15; 18; 24; 13/18; 11 ;; 23; 12 ;; 19; 10 ;; 11 ; 26 ;;; 42; 26; 38/39; 12 ;;;;;;; 11 ;;;;;;;;;;

或

11 ;; 11; 11; 11; 11; 11; 11; 11; 11; 11; 11; 11; 11; 11; 11; 11; 11 ;;;;;;;;;;;;;; ;;;;;;;;;;;;;;;;

我不在乎分号之间是什么，但是我在乎哪些位置包含项目。例如，如果我只希望第一，第三，第四位置包含项目，则允许以下内容...

32 ;; 14; 18/12 ;;;;;;;;;或32 ;; 14; 18/12 ;;;; 55 ;;;; 11 ;;;;;;;

下面的那一个不好，因为第三位置没有任何值。

32 ;;; 18/12 ;;;;;;;;

如果正则表达式可以解决这个问题，那么我可以使用merge into将所需的记录移至目标表。如果无法做到这一点，我将不得不处理Java中的每条记录，然后有选择地将记录插入新表中。

源表：

id | StringValue | count

目标表：

id | StringValue | count

我要记住的sql：

merge into you_target_table tt
using ( select StringValue, count
        from source_table where REGEXP_LIKE ( StringValue, 'some pattern')
      ) st
on ( st.StringValue = tt.StringValue and st.count=tt.count )
when not matched then
   insert (id, StringValue , count) 
   values (someseq.nextval, st.value1, st.count)
when matched then
   update
   set tt.count = tt.count + st.count;

我还可以肯定源表中的所有StringValue都是唯一的，因此when matched then之后的内容并不重要，但是由于语法的原因，我认为我必须有一些东西。

Answer 1

对于每个位置，您需要一个值[^;]+;，该值匹配任何字符，不是;，并且至少出现一次，后跟一个;。如果您不在乎职位，请放[^;]*;。这几乎与第一个相似，但是;之前的字符也可能没有。将整个内容以^开头固定。

因此，对于您的第一，第三和第四位置示例，您将获得：

^[^;]+;[^;]*;[^;]+;[^;]+;

在如下查询中：

SELECT *
       FROM elbat
       WHERE regexp_like(nmuloc, '^[^;]+;[^;]*;[^;]+;[^;]+;');

db<>fiddle

通过将子表达式放在一组中，也就是在它们之间加上括号，并使用量化器（该组后面的花括号中的数字）可能会进一步改进。例如，([^;]+;){2}将匹配两个不为空的位置。您的示例将简化为：

^[^;]+;[^;]*;([^;]+;){2}

Answer 2

虽然@stiky bit的答案是完全正确的，但还有另一种类似但也许更具可读性的解决方案：

SELECT *
   FROM elbat
   WHERE regexp_substr(nmuloc, '(.*?)(;|$)', 1, 1, '', 1) is not null
   AND   regexp_substr(nmuloc, '(.*?)(;|$)', 1, 3, '', 1) is not null
   AND   regexp_substr(nmuloc, '(.*?)(;|$)', 1, 4, '', 1) is not null;

db<>fiddle

优点：

清楚地说明职位编号不能为空
在任何情况下都具有通用模式，因此无需更改正则表达式
可以使用任何正则表达式作为分隔符，不仅可以使用单个字符
实际上提取项目，因此您可以使用任何功能对其进行进一步测试

缺点：

比较冗长
慢n倍，其中n是条件计数
在每个非定界符号上回溯的原因更慢（最多2倍）

但是，根据我的经验，如果不对数十亿行进行查询，则效率差异很小。即使这样，磁盘读取仍会消耗大部分时间。

如何制作：

（。*？）（; | $）-延迟搜索以定界符或字符串结尾结尾的任何字符序列（可能为零长度）
1-开始搜索的位置。默认为1。仅需转到下一个参数
1、3或4-事件或模式
''-match_parameter。可以用于设置匹配模式，但在这里也只能用于获取最后一个参数
1-子表达式编号使regexp_substr仅返回第一个捕获组。即（。*？），即项目本身没有定界符。

Oracle：regexp处理一个复杂的案例

2 个答案: