通过 Oracle 的 REGEXP_SUBSTR 排除正则表达式中的一系列字符

Question

我正在尝试使用 Oracle 的 REGEXP_SUBSTR 到 select 字符串中的字段。

示例：

this,,,is,,,an,,,example

解决方案：

DECLARE
  field1 VARCHAR2(4000);
  field2 VARCHAR2(4000);
  field3 VARCHAR2(4000);
  field4 VARCHAR2(4000);
  separator VARCHAR2(300) := ',,,';
  lineToParse VARCHAR2(4000) := 'this,,,is,,,an,,,example';
BEGIN
  SELECT REGEXP_SUBSTR(lineToParse, '[^' || separator || ']+', 1, 1) AS part_1, REGEXP_SUBSTR(lineToParse, '[^' || separator || ']+', 1, 2) AS part_2, REGEXP_SUBSTR(lineToParse, '[^' || separator || ']+', 1, 3) AS part_3, REGEXP_SUBSTR(lineToParse, '[^' || separator || ']+', 1, 4) AS part_4
  INTO field1, field2, field3, field4
  FROM DUAL;
  DBMS_OUTPUT.PUT_LINE('Field 1: ' || field1);
  DBMS_OUTPUT.PUT_LINE('Field 2: ' || field2);
  DBMS_OUTPUT.PUT_LINE('Field 3: ' || field3);
  DBMS_OUTPUT.PUT_LINE('Field 4: ' || field4); 
END;

这对上面的行非常有效，生成：

Field 1: this
Field 2: is
Field 3: an
Field 4: example

但是对于下面的行，它不会

this,,,is, a perfectly fine,,,new,,, line

这是因为第二个捕获组应该是："is, a perfectly fine" 但最终成为 "is".

输出为：

Field 1: this
Field 2: is
Field 3:  a perfectly fine
Field 4: new

原因是我使用的正则表达式：

[^,,,]+

正在捕获 ^ 之后的任何字符而不是序列。

如何调整我的正则表达式以便捕获整个序列？

这需要与 Oracle 11g 兼容。

Answer 1

我不认为你可以在这里做一个简单的正则表达式。首先，您使用的字符 class [^,,,] 与 [^,] 没有任何不同 - 方括号中的重复字符不会导致字符串中的重复字符成为匹配。其次，我认为负匹配不会起作用，因为 Oracle 正则表达式不支持环视。

您可以尝试如下操作：

SELECT REGEXP_SUBSTR(lineToParse, '.+?($|' || separator || ')', 1, 1) AS part_1
     , REGEXP_SUBSTR(lineToParse, '.+?($|' || separator || ')', 1, 2) AS part_2
     , REGEXP_SUBSTR(lineToParse, '.+?($|' || separator || ')', 1, 3) AS part_3
     , REGEXP_SUBSTR(lineToParse, '.+?($|' || separator || ')', 1, 4) AS part_4
  INTO field1, field2, field3, field4
  FROM DUAL;

这将以非贪婪的方式将所有内容获取到分隔符或行尾。现在唯一的问题是返回的值可能包含分隔符；有一些方法可以避免这种情况，其中最直接的方法是使用 REPLACE()，但是对于 Oracle 11，您还可以使用带有 REGEXP_SUBSTR():

的子表达式

SELECT REGEXP_SUBSTR(lineToParse, '(.+?)($|' || separator || ')', 1, 1, 'c', 1) AS part_1
     , REGEXP_SUBSTR(lineToParse, '(.+?)($|' || separator || ')', 1, 2, 'c', 1) AS part_2
     , REGEXP_SUBSTR(lineToParse, '(.+?)($|' || separator || ')', 1, 3, 'c', 1) AS part_3
     , REGEXP_SUBSTR(lineToParse, '(.+?)($|' || separator || ')', 1, 4, 'c', 1) AS part_4
  INTO field1, field2, field3, field4
  FROM DUAL;

但是，如果 lineToParse 以分隔符开头，那么您仍然需要以某种方式处理它。将 REGEXP_SUBSTR() 的第一个实例更改为此似乎有效：

REGEXP_SUBSTR(lineToParse, '^(' || separator || ')?(.+?)($|' || separator || ')', 1, 1, 'c', 2) AS part_1

希望对您有所帮助。

Answer 2

只需将您的正则表达式调用更改为：

REGEXP_SUBSTR(lineToParse, '(.*?)(' || separator || '|$)', 1, 1, NULL, 1) AS part_1,

这定义了一组字符，后跟一组由您的分隔符或行尾组成的字符。它匹配该组的第 1 次出现（第 4 个参数）和 returns 第 1 组（第 6 个参数）。

奖金！

更好的是，构建一个函数，您可以将其放入封装此功能并调用的实用程序包中以供重用。这样，不熟悉正则表达式的人就可以使用它，如果需要更改，您只需更改一个地方的正则表达式代码：

FUNCTION  GET_LIST_ELEMENT(string_in VARCHAR2, element_in NUMBER, delimiter_in VARCHAR2 DEFAULT ',') RETURN VARCHAR2 IS
    BEGIN
      if string_in is null then
        return NULL;
      else
        RETURN REGEXP_SUBSTR(string_in, '(.*?)(\' || delimiter_in || '|$)', 1, element_in, NULL, 1);
      end if;
  END GET_LIST_ELEMENT;

那么您的代码将如下所示：

util.get_list_element(lineToParse, 1, separator) AS part_1, 
util.get_list_element(lineToParse, 2, separator) AS part_2, 
util.get_list_element(lineToParse, 3, separator) AS part_3, 
util.get_list_element(lineToParse, 4, separator) AS part_4

通过 Oracle 的 REGEXP_SUBSTR 排除正则表达式中的一系列字符

Exclude a series of characters in regex via Oracle's REGEXP_SUBSTR

regex

oracle

sequence

regexp-substr