如何计算字符串中分隔符的出现次数，不包括引号中的分隔符答案

【问题标题】：How to count occurrences of separator in string excluding those in quotes如何计算字符串中分隔符的出现次数，不包括引号中的分隔符
【发布时间】：2015-07-19 05:40:20
【问题描述】：

我有一个带有逗号分隔值的文件，如下所示：

1.42104E+16,220899,1,,e-page remote auto,,,"Allied Martian Banks, P.L.C.",Moon,MN,,
1.42105E+16,637039,1,,e-page remote auto,,,Bank Of Jupiter,Europa,IO,,

我想计算逗号的数量，不包括引号中的逗号，例如“Allied Martian Banks, P.L.C.”。

我知道：

length(i.data_record)-length(replace(i.data_record,',',''))

将返回逗号的数量，但与第二行相比，第一行会多一个逗号，因为我的目的，它们应该被视为具有相同的数字。

有什么快速简单的方法可以忽略引号中的逗号吗？

我知道我可以创建一个循环并开始按位分解字符串，计算它们，每当我找到引号时忽略任何逗号，直到我找到另一个引号，但是我想知道是否有更简单，更多无需借助循环即可实现这一目标的简化方法。

非常感谢！

【问题讨论】：

标签： regex string oracle plsql count

【解决方案1】：

先去掉分隔的内容，再计算：

regexp_count (
    regexp_replace (
        regexp_replace (
            i.data_record
          , '(^|,)"[^"]*"(,|$)'
          , '\1\2'
        )
      , '(^|,)"[^"]*"(,|$)'
      , '\1\2'
    )
  , ',' 
)

不幸的是，为了正确处理连续的以引号分隔的字段，regexp_replace 调用的嵌套是必要的：任何分隔逗号都被正则表达式模式使用，因此不会被考虑到后续匹配中。

Oracle 的正则表达式不支持前瞻运算符，这是处理这种情况的自然方法。

鉴于 regexp_... 调用对性能的影响，您最好使用

length(i.data_record) - length ( replace ( regexp_replace ( i.data_record, '(^|,)"[^"]*"(,|$)', '\1\2' ),',','' ) )

警告

此解决方案不处理字段值中的 dquotes，通常表示为 "" 或 \"。

前一种情况可以很好地处理：不要在引号分隔的字段中解释""，而是将整个字段内容视为1个或多个不包含dquote的dquote分隔的字符串的并置。虽然您在处理数据时不会遵循此路线（所有 dquotes 都会丢失），但您可以使用此视角进行计数：

regexp_count (
    regexp_replace (
        regexp_replace (
            i.data_record
          , '(^|,)("[^"]*")+(,|$)'  -- changed
          , '\1\3'                  -- changed
        )
      , '(^|,)("[^"]*")+(,|$)'   -- changed
      , '\1\3'                   -- changed
    )
  , ',' 
)

测试用例

-- works
select regexp_count ( regexp_replace ( regexp_replace ( '1,"data,and more so","more data,and even more so"', '(^|,)"[^"]*"(,|$)', '\1\2' ), '(^|,)"[^"]*"(,|$)', '\1\2' ), ',' ) from dual;
select regexp_count ( regexp_replace ( regexp_replace ( '1,"data,and more so",2,"more data,and even more so"', '(^|,)"[^"]*"(,|$)', '\1\2' ), '(^|,)"[^"]*"(,|$)', '\1\2' ), ',' ) from dual;

select regexp_count ( regexp_replace ( regexp_replace ( '1,"""data"",and more so",2,"more data,and even more so"', '(^|,)("[^"]*")+(,|$)', '\1\3' ), '(^|,)("[^"]*")+(,|$)', '\1\3' ), ',' ) from dual;

-- fails
select regexp_count ( regexp_replace ( '1,"data,and more so","more data,and even more so"', '(^|,)"[^"]*"(,|$)', '\1\2' ), ',' ) from dual;
select regexp_count ( regexp_replace ( '1,"data,and more so",2,"more data,and even more so"', '(^|,)"[^"]*"(,|$)', '\1\2' ), ',' ) from dual;

【讨论】：

【解决方案2】：

最好用这个

REGEXP_COUNT(REGEXP_REPLACE(text,',".+",', ',,'), ',')

【讨论】：

不起作用，贪婪匹配会在连续的 dquote 分隔的字段之间使用字段分隔逗号。
Collapsar 看link 一些错误仍然发生......
双引号内仍然可以有双引号：D
我只是指出了你原来方法中的致命缺陷......（没有冒犯，我的第一个版本在同一个测试用例上失败了，尽管原因不太明显）。
您当前的版本在以包含逗号的 dquote 分隔字段开头的记录上失败，因为您的正则表达式永远不会匹配记录 #1（前面没有逗号）。