REGEXP_REPLACE 从公司名称列中删除单词列表

Question

select 'Owens 1245 Coning COM CO LTD INC CORP INC', REGEXP_REPLACE(
      UPPER(TRIM(REGEXP_REPLACE(TRIM(REGEXP_REPLACE(regexp_replace('Owens 1245 Coning COM CO LTD', '(*[[:punct:]])', ' '),'(\s[0-9]+\s)|(^[0-9]+\s)|(\s[0-9]+$)',' ')),'( ){2,}', ' '))), 
      '\b'||'CO|LTD|INC|CORP'||'\W'
      ,'') CLEARTEXT
from dual;

如果我运行上面的查询它删除除 "CO" 之外的所有停用词并给出输出：OWENS CONING COM CO

但是我需要这样的输出：OWENS CONING COM

Answer 1

试试这个，但一定要用列中可能存在的 "stop words" 和 "good" 数据的每个组合进行测试。此正则表达式查找您的 "stop words" 后跟 space 或行尾（space 被消耗）并替换为空。我添加了括号以显示在最后的 TRIM( )):

之后没有 spaces

SQL> with tbl(str) as (
     select 'Owens 1245 Coning COM CO LTD. INC CORP. INC' from dual
   )
   select str original, '[' || trim(regexp_replace(upper(str), '(\d+|CO|LTD|INC|CORP)([[:punct:]])?( |$)', '')) || ']' CLEARTEXT
   from tbl;

ORIGINAL
-----------------------------------------
CLEARTEXT
--------------------------------------------------------------------------------
Owens 1245 Coning COM CO LTD. INC CORP. INC
[OWENS CONING COM]


SQL>

编辑：将正则表达式修改为允许在停用词后使用可选的标点符号。

Answer 2

with t as 
(
select '121 R.S. Hughes3 Company, Inc.' SUPPLIER_NAME from dual
)
select a.SUPPLIER_NAME , REGEXP_REPLACE(
      REGEXP_REPLACE(UPPER(TRIM(REGEXP_REPLACE(TRIM(REGEXP_REPLACE(regexp_replace(a.SUPPLIER_NAME , '(*[[:punct:]])', ' '),'(\s[0-9]+\s)|(^[0-9]+\s)|(\s[0-9]+$)',' ')),'( ){2,}', ' '))), ''),
  '(CO|LTD|INC|CORP)?( |$)'
  ,' ') CLEARTEXT
from t a
;

谢谢加里试图更改原始查询，其中我只添加了您提供的停用词查询，它为我提供了所需的输出。

再次感谢。

REGEXP_REPLACE 从公司名称列中删除单词列表

REGEXP_REPLACE to remove list of words from company name column

sql

oracle

regexp-replace