SqlServer类似正则表达式的字符处理是怎样的

2025-03-07 技术教程

SqlServer类似正则表达式的字符处理是怎样的，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

SQL Serve提供了简单的字符模糊匹配功能，比如：like, patindex，不过对于某些字符处理场景还显得并不足够，日常碰到的几个问题有：

一. 同一个字符/字符串，出现了多少次

同一个字符，将其替换为空串，即可计算

declare@textvarchar(1000)declare@strvarchar(10)set@text='ABCBDBE'set@str='B'selectlen(@text)-len(replace(@text,@str,''))

同一个字符串，仍然是替换，因为是多个字符，方法1替换后需要做一次除法；方法2替换时增加一个字符，则不需要

--方法1declare@textvarchar(1000)declare@strvarchar(10)set@text='ABBBCBBBDBBBE'set@str='BBB'select(len(@text)-len(replace(@text,@str,'')))/len(@str)--方法2declare@textvarchar(1000)declare@strvarchar(10)set@text='ABBBCBBBDBBBE'set@str='BBB'selectlen(replace(@text,@str,@str+'_'))-len(@text)

二. 同一个字符/字符串，第N次出现的位置

SQL SERVER定位字符位置的函数为CHARINDEX：

CHARINDEX(expressionToFind,expressionToSearch[,start_location])

可以从指定位置起开始检索，但是不能取第N次出现的位置，需要自己写SQL来补充，有以下几种思路：

1. 自定义函数, 循环中每次为charindex加一个计数，直到为N

ifobject_id('NthChar','FN')isnotnulldropfunctionNthcharGOcreatefunctionNthChar(@source_stringasnvarchar(4000),@sub_stringasnvarchar(1024),@nthasint)returnsintasbegindeclare@postionintdeclare@countintset@postion=CHARINDEX(@sub_string,@source_string)set@count=0while@postion>0beginset@count=@count+1if@count=@nthbeginbreakendset@postion=CHARINDEX(@sub_string,@source_string,@postion+1)Endreturn@postionendGO--selectdbo.NthChar('abcabc','abc',2)--4

2. 通过CTE，对待处理的整个表字段操作, 递归中每次为charindex加一个计数，直到为N

ifobject_id('tempdb..#T')isnotnulldroptable#Tcreatetable#T(source_stringnvarchar(4000))insertinto#Tvalues(N'我们我们')insertinto#Tvalues(N'我我哦我')declare@sub_stringnvarchar(1024)declare@nthintset@sub_string=N'我们'set@nth=2;withT(source_string,starts,pos,nth)as(selectsource_string,1,charindex(@sub_string,source_string),1from#tunionallselectsource_string,pos+1,charindex(@sub_string,source_string,pos+1),nth+1fromTwherepos>0)selectsource_string,pos,nthfromTwherepos<>0andnth=@nthorderbysource_string,starts--source_stringposnth--我们我们32

3. 借助数字表 (tally table)，到不同起点位置去做charindex，需要先自己构造个数字表

--numbers/tallytableIFEXISTS(select*fromdbo.sysobjectswhereid=object_id(N'[dbo].[Numbers]')andOBJECTPROPERTY(id,N'IsUserTable')=1)DROPTABLEdbo.Numbers--=====CreateandpopulatetheTallytableontheflySELECTTOP1000000IDENTITY(int,1,1)ASnumberINTOdbo.NumbersFROMmaster.dbo.syscolumnssc1,master.dbo.syscolumnssc2--=====AddaPrimaryKeytomaximizeperformanceALTERTABLEdbo.NumbersADDCONSTRAINTPK_numbers_numberPRIMARYKEYCLUSTERED(number)--=====AllowthegeneralpublictouseitGRANTSELECTONdbo.NumbersTOPUBLIC--以上数字表创建一次即可，不需要每次都重复创建DECLARE@source_stringnvarchar(4000),@sub_stringnvarchar(1024),@nthintSET@source_string='abcabcvvvvabc'SET@sub_string='abc'SET@nth=2;WITHTAS(SELECTROW_NUMBER()OVER(ORDERBYnumber)ASnth,numberAS[PositionInString]FROMdbo.NumbersnWHEREn.number<=LEN(@source_string)ANDCHARINDEX(@sub_string,@source_string,n.number)-number=0----OR--ANDSUBSTRING(@source_string,number,LEN(@sub_string))=@sub_string)SELECT*FROMTWHEREnth=@nth

4. 通过CROSS APPLY结合charindex，适用于N值较小的时候，因为CROSS APPLY的次数要随着N的变大而增加，语句也要做相应的修改

declare@Ttable(source_stringnvarchar(4000))insertinto@Tvalues('abcabc'),('abcabcvvvvabc')declare@sub_stringnvarchar(1024)set@sub_string='abc'selectsource_string,p1.posasno1,p2.posasno2,p3.posasno3from@Tcrossapply(select(charindex(@sub_string,source_string)))asP1(Pos)crossapply(select(charindex(@sub_string,source_string,P1.Pos+1)))asP2(Pos)crossapply(select(charindex(@sub_string,source_string,P2.Pos+1)))asP3(Pos)

5. 在SSIS里有内置的函数，但T-SQL中并没有

--FINDSTRINGinSQLServer2005SSISFINDSTRING([yourColumn],"|",2),--TOKENinSQLServer2012SSISTOKEN(Col1,"|",3)

注：不难发现，这些方法和字符串拆分的逻辑是类似的，只不过一个是定位，一个是截取，如果要获取第N个字符左右的一个/多个字符，有了N的位置，再结合substring去截取即可；

三. 多个相同字符连续，合并为一个字符

最常见的就是把多个连续的空格合并为一个空格，解决思路有两个：

1. 比较容易想到的就是用多个replace

但是究竟需要replace多少次并不确定，所以还得循环多次才行

--把两个连续空格替换成一个空格，然后循环，直到charindex检查不到两个连续空格declare@strvarchar(100)set@str='abcabckljlkkljkl'while(charindex('',@str)>0)beginselect@str=replace(@str,'','')endselect@str

2. 按照空格把字符串拆开

对每一段拆分开的字符串trim或者replace后，再用一个空格连接，有点繁琐，没写代码示例，如何拆分字符串可参考：“第N次出现的位置”；

四. 是否为有效IP/身份证号/手机号等

类似IP/身份证号/手机号等这些字符串，往往都有自身特定的规律，通过substring去逐位或逐段判断是可以的，但SQL语句的方式往往性能不佳，建议尝试正则函数，见下。

五. 正则表达式函数

1. Oracle

从10g开始，可以在查询中使用正则表达式，它通过一些支持正则表达式的函数来实现：

Oracle10gREGEXP_LIKEREGEXP_REPLACEREGEXP_INSTRREGEXP_SUBSTROracle11g(新增)REGEXP_COUNT

Oracle用REGEXP函数处理上面几个问题：

(1) 同一个字符/字符串，出现了多少次

selectlength(regexp_replace('123-345-566','[^-]',''))fromdual;selectREGEXP_COUNT('123-345-566','-')fromdual;--Oracle11g

(2) 同一个字符/字符串，第N次出现的位置

不需要正则，ORACLE的instr可以直接查找位置：

instr('source_string','sub_string'[,n][,m])

n表示从第n个字符开始搜索，缺省值为1，m表示第m次出现，缺省值为1。

selectinstr('abcdefghijkabc','abc',1,2)positionfromdual;

(3) 多个相同字符连续，合并为一个字符

selectregexp_replace(trim('agcff'),'\s+','')fromdual;

(4) 是否为有效IP/身份证号/手机号等

--是否为有效IPWITHIPAS(SELECT'10.20.30.40'ip_addressFROMdualUNIONALLSELECT'a.b.c.d'ip_addressFROMdualUNIONALLSELECT'256.123.0.254'ip_addressFROMdualUNIONALLSELECT'255.255.255.255'ip_addressFROMdual)SELECT*FROMIPWHEREREGEXP_LIKE(ip_address,'^(([0-9]{1}|[0-9][0-9]|1[0-9][0-9]|2[0-4][0-9]|25[0-5])\.){3}([0-9]{1}|[0-9][0-9]|1[0-9][0-9]|2[0-4][0-9]|25[0-5])$');--是否为有效身份证/手机号，暂未举例

2. SQL Server

目前最新版本为SQL Server 2017，还没有对REGEXP函数的支持，需要通用CLR来扩展，如下为CLR实现REG_REPLACE：

--1.开启CLREXECsp_configure'showadvancedoptions','1'GORECONFIGUREGOEXECsp_configure'clrenabled','1'GORECONFIGUREGOEXECsp_configure'showadvancedoptions','0';GO

2. 创建 Assembly

--3.创建CLR函数CREATEFUNCTION[dbo].[regex_replace](@input[nvarchar](4000),@pattern[nvarchar](4000),@replacement[nvarchar](4000))RETURNS[nvarchar](4000)WITHEXECUTEASCALLER,RETURNSNULLONNULLINPUTASEXTERNALNAME[RegexUtility].[RegexUtility].[RegexReplaceDefault]GO--4.使用regex_replace替换多个空格为一个空格selectdbo.regex_replace('agcff','\s+','');

注：通过CLR实现更多REGEXP函数，如果有高级语言开发能力，可以自行开发；或者直接使用一些开源贡献也行

小结：

1. 非正则SQL语句的思路，对不同数据库往往都适用；

2. 正则表达式中的规则(pattern) 在不同开发语言里，有很多语法是相通的，通常是遵守perl或者linux shell中的sed等工具的规则；

3. 从性能上来看，通用SQL判断 > REGEXP函数 > 自定义SQL函数。

看完上述内容，你们掌握SqlServer类似正则表达式的字符处理是怎样的的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注亿速云行业资讯频道，感谢各位的阅读！