拆分字符串时出现重复值答案

【问题标题】：Duplicate values when splitting a string拆分字符串时出现重复值
【发布时间】：2023-01-12 00:19:39
【问题描述】：

我正在尝试为每个人创建一行，str 但我得到了额外的输出。

有人可以解释我做错了什么并告诉我如何解决它。

下面是我的测试案例和预期结果。感谢所有回答的人和您的专业知识。


with rws as (
  select 'Bob' person, 'AB,CR,DE' str from dual UNION ALL 
  select 'Jane' person, 'AB' str from dual 
)
  select person,
       regexp_substr (
           str,
           '[^,]+',
           1,
           level
         ) value
  from   rws
  connect by level <= 
    length ( str ) - length ( replace ( str, ',' ) ) + 1
ORDER BY person, str;

PERSON  VALUE
Bob AB
Bob CR
Bob DE
Bob DE
Bob CR
Jane AB

Expected results 
PERSON  VALUE
Bob AB
Bob CR
Bob DE
Jane AB

【问题讨论】：

标签： sql string oracle

【解决方案1】：

这是一个选项：

SQL> WITH
  2     rws
  3     AS
  4        (SELECT 'Bob' person, 'AB,CR,DE' str FROM DUAL
  5         UNION ALL
  6         SELECT 'Jane' person, 'AB' str FROM DUAL)
  7    SELECT person,
  8           REGEXP_SUBSTR (str,
  9                          '[^,]+',
 10                          1,
 11                          COLUMN_VALUE) VALUE
 12      FROM rws
 13           CROSS JOIN
 14           TABLE (
 15              CAST (
 16                 MULTISET (    SELECT LEVEL
 17                                 FROM DUAL
 18                           CONNECT BY LEVEL <= REGEXP_COUNT (str, ',') + 1)
 19                    AS SYS.odcinumberlist))
 20  ORDER BY person, str;

PERS VALUE
---- --------
Bob  AB
Bob  CR
Bob  DE
Jane AB

SQL>

您的解决方案将如果您应用SELECT DISTINCT（并修复了order by子句，但这是无关紧要的），则返回所需的结果，但这也会表现严重随着您正在处理的行数的增加。

SQL> with rws as (
  2    select 'Bob' person, 'AB,CR,DE' str from dual UNION ALL
  3    select 'Jane' person, 'AB' str from dual
  4  )
  5    select distinct person,
  6         regexp_substr (
  7             str,
  8             '[^,]+',
  9             1,
 10             level
 11           ) value
 12    from   rws
 13    connect by level <=
 14      length ( str ) - length ( replace ( str, ',' ) ) + 1;

PERS VALUE
---- --------
Jane AB
Bob  CR
Bob  AB
Bob  DE

SQL>

【讨论】：

【解决方案2】：

如果数据中没有引号，对于 12c+，您可以使用 JSON_TABLE 和横向连接而不是递归。

with rws as (
  select 'Bob' person, 'AB,CR,DE' str from dual UNION ALL 
  select 'Jane' person, 'AB' str from dual union all
  select 'Mark', null from dual
)
select
  rws.person,
  l.val_splitted,
  l.rn
from rws
  left join lateral (
    select *
    from json_table(
      '["' || replace(rws.str, ',', '","') || '"]',
      '$[*]'
      columns (
        val_splitted varchar2(10) path '$',
        rn for ordinality
      )
    )
  ) l
  on 1 = 1
order by 1

PERSON	VAL_SPLITTED	RN
Bob	AB	1
Bob	CR	2
Bob	DE	3
Jane	AB	1
Mark		1

【讨论】：

【解决方案3】：

原始查询的问题在于 connect-by 不止一次查看前几行 - 本质上，Bob 的第二级行也在为 Jane 选择第一行。这是一个相当众所周知的问题。你可以通过包含一个唯一的 ID 来避免这种情况（在这个例子中你必须依赖名称，并希望它是唯一的）；但是那会循环，你可以通过添加一个非确定性函数调用来避免循环：

...
  connect by level <= 
    length ( str ) - length ( replace ( str, ',' ) ) + 1
  and prior person = person
  and prior dbms_random.value is not null
ORDER BY person, str;

您还可以使用递归子查询分解而不是分层查询：

with rws as (
  select 'Bob' person, 'AB,CR,DE' str from dual UNION ALL 
  select 'Jane' person, 'AB' str from dual 
),
rcte (person, str, cnt, lvl, value) as (
  select person, str, length ( str ) - length ( replace ( str, ',' ) ), 1,
       regexp_substr (
           str,
           '[^,]+',
           1,
           1
         )
  from   rws
  union all
  select person, str, cnt, lvl + 1,
       regexp_substr (
           str,
           '[^,]+',
           1,
           lvl + 1
         )
  from   rcte
  where  lvl <= cnt
)
select person, value
from rcte
order by person, value;

fiddle

但您可能会发现其他答案之一表现更好，或者至少易于理解和维护。

顺便说一句，如果您有空元素（即两个相邻的逗号），您的正则表达式模式可能会导致问题； this this answer for an explanation。

【讨论】：