Question

我需要验证电子邮件中重复字符的数量。

我尝试下一个给出重复字符百分比的代码，但是仅当字符彼此相邻时才起作用。因此，有人可能会按字符顺序订购电子邮件，以得到我的结果。

SELECT 
round(((REGEXP_COUNT(regexp_replace(SUBSTR('999824123@HOTMAIL.COM',1,INSTR('989824123@HOTMAIL.COM', '@', 1)-1), '(.)\1+','&'),'&')+length(SUBSTR('989824123@HOTMAIL.COM',1,INSTR('989824123@HOTMAIL.COM', '@', 1)-1)) - length(regexp_replace(SUBSTR('989824123@HOTMAIL.COM',1,INSTR('989824123@HOTMAIL.COM', '@', 1)-1), '(.)\1+','\1')))* 100)/length(SUBSTR('989824123@HOTMAIL.COM',1,INSTR('989824123@HOTMAIL.COM', '@', 1)-1)),2) AS PORCENTAJE_IGUAL  
FROM DUAL A;

我希望此电子邮件989824123@HOTMAIL.COM的重复字符有60％。不包含域。

请帮助。

PD：对不起，英语不好

Answer 1

数字9、8、2在电子邮件中重复，因此我们有6个字符（9、9、8、8、2、2）重复，而3个唯一（1、3、4）。 6/9给了我们66.67％。您可以使用此查询对此进行计数：

with 
  t(email) as (select '989824123@hotmail.com' from dual),
  a(email) as (select substr(email, 1,instr(email, '@', 1)-1) from t),
  l as (select substr(email, level, 1) ltr from a connect by level <= length(email))
select sum(case when cnt <> 1 then cnt end) / sum(cnt) 
  from (select ltr, count(1) cnt from l group by ltr)

我削减了域名，然后在子查询l中将字符串分成一个字母的行，剩下的只是计算非唯一字符并除以所有字符的数量。

编辑：

您如何在更新中应用这样的内容或选择较大的内容用很多电子邮件扩展数据库？

您可以创建函数：

create or replace function rpt_similarity(i_email in varchar2) return number is
  v_email varchar2(100);
  v_ret number;
begin 
  v_email := substr(i_email, 1, instr(i_email, '@', 1) - 1);

  with l as (
    select substr(v_email, level, 1) ltr 
      from dual 
      connect by level <= length(v_email)) 
  select sum(case when cnt <> 1 then cnt end) / sum(cnt) 
    into v_ret
    from (select ltr, count(1) cnt from l group by ltr);

  return v_ret;
end;

并在此处使用它：

select rpt_similarity('abxabc@pqr.com') from dual;

或：

select rpt_similarity(email) from your_table;

您也可以在没有功能的情况下直接在选择中使用上述解决方案，下面是示例：

create table test(id, email) as (  
  select 101, '989824123@hotmail.com'      from dual union all
  select 102, 'hsimpson@gmail.com'         from dual union all
  select 103, 'msimpson@gmail.com'         from dual union all
  select 104, 'bsimpson121314@hotmail.com' from dual union all
  select 105, 'abxabx@hotmail.com'         from dual );

with 
  a(id, email) as (select id, substr(email, 1,instr(email, '@', 1)-1) from test),
  l as (
    select id, email, substr(email, level, 1) ltr from a 
      connect by level <= length(email) 
        and prior id = id and prior sys_guid() is not null) 
select id, email, sum(case when cnt <> 1 then cnt end) / sum(cnt) 
  from (select id, email, ltr, count(1) cnt from l group by id, ltr, email)
  group by id, email;

connect by查询对于大型数据集而言往往很慢。也许您可以改编regexp函数，它将更快。我尝试这样做，但是您的regexp_replace会将99更改为$，而999也更改为一个$。

是否有一个Oracle函数来确定重复字符的数量

1 个答案: