在字符串中查找多个空格的表达式

Question

我们处理大量敏感数据，我想仅使用每个姓名部分的首字母和最后一个字母来屏蔽乘客姓名，并用三个星号 (***) 连接，

例如：名称“John Doe”将变为“J***n D***e”

对于由两部分组成的名称，这可以通过使用表达式查找空格来实现：

LEFT(CardHolderNameFromPurchase, 1) + 
 '***' + 
 CASE WHEN CHARINDEX(' ', PassengerName) = 0 
      THEN RIGHT(PassengerName, 1) 
      ELSE SUBSTRING(PassengerName, CHARINDEX(' ', PassengerName) -1, 1) +
           ' ' + 
           SUBSTRING(PassengerName, CHARINDEX(' ', PassengerName) +1, 1) +
           '***' + 
           RIGHT(PassengerName, 1) 
 END

但是，乘客姓名可以有两个以上的部分，并没有真正的限制。我应该如何找到表达式中所有空格的索引？或者我应该以不同的方式解决这个问题？

非常感谢任何帮助或指针！

Answer 1

根据 Gordon 在他的回答中的解释，此解决方案可以满足您的要求，但在尝试隐藏个人身份数据时确实是错误的方法。

SQL：

declare @t table(n nvarchar(20));
insert into @t values('John Doe')
,('JohnDoe')
,('John Doe Two')
,('John Doe Two Three')
,('John O''Neill');

select n
      ,stuff((select ' ' + left(s.item,1) + '***' + right(s.item,1)
              from dbo.fn_StringSplit4k(t.n,' ',null) as s
              for xml path('')
              ),1,1,''
              ) as mask
from @t as t;

输出：

+--------------------+-------------------------+
|         n          |          mask           |
+--------------------+-------------------------+
| John Doe           | J***n D***e             |
| JohnDoe            | J***e                   |
| John Doe Two       | J***n D***e T***o       |
| John Doe Two Three | J***n D***e T***o T***e |
| John O'Neill       | J***n O***l             |
+--------------------+-------------------------+

---

基于Jeff Moden's Tally Table approach的字符串拆分函数：

create function [dbo].[fn_StringSplit4k]
(
  @str nvarchar(4000) = ' '    -- String to split.
 ,@delimiter as nvarchar(1) = ','  -- Delimiting value to split on.
 ,@num as int = null      -- Which value to return, null returns all.
)
returns table
as
return
     -- Start tally table with 10 rows.
 with n(n)   as (select 1 union all select 1 union all select 1 union all select 1 union all select 1 union all select 1 union all select 1 union all select 1 union all select 1 union all select 1)

     -- Select the same number of rows as characters in @str as incremental row numbers.
     -- Cross joins increase exponentially to a max possible 10,000 rows to cover largest @str length.
  ,t(t)   as (select top (select len(isnull(@str,'')) a) row_number() over (order by (select null)) from n n1,n n2,n n3,n n4)

     -- Return the position of every value that follows the specified delimiter.
  ,s(s)   as (select 1 union all select t+1 from t where substring(isnull(@str,''),t,1) = @delimiter)

     -- Return the start and length of every value, to use in the SUBSTRING function.
     -- ISNULL/NULLIF combo handles the last value where there is no delimiter at the end of the string.
  ,l(s,l) as (select s,isnull(nullif(charindex(@delimiter,isnull(@str,''),s),0)-s,4000) from s)

 select rn
          ,item
 from(select row_number() over(order by s) as rn
    ,substring(@str,s,l) as item
  from l
  ) a
 where rn = @num
  or @num is null;
GO

Answer 2

如果您将PassengerName 视为敏感信息，则不应将其以明文形式存储在通常可访问的表格中。期间。

有几种不同的选择。

一个是有敏感信息的参考表。任何引用它的表都会有一个 id 而不是名称。中提琴。如果不访问参考表，就没有敏感信息可用，这将受到严格限制。

第二种方法是可逆压缩算法。这将允许该值是胡言乱语，但是通过正确的知识，它可以转换回一个有意义的值。典型的方法是 Rivest、Shamir 和 Adelman 设计的公钥加密算法（RSA 编码）。

如果你想做名字的首字母和尾字母，我会非常小心亚洲名字。当用拉丁文书写时，其中许多由两三个字母组成。这没什么好隐瞒的。 SQL Server 没有执行此操作的简单机制。您可以编写带有循环的用户定义函数来管理流程。但是，我认为这是最不安全和最不可取的方法。

Answer 3

这使用了 Jeff Moden 的 DelimitedSplit8K，以及 SQL Server 2017 STRING_AGG 中的新功能。由于我不知道您使用的是什么版本，所以我只是“彻底”并假设您使用的是最新版本。

Jeff 的函数在这里非常宝贵，因为它返回了序数位置，这是微软愚蠢地从他们自己的函数 STRING_SPLIT 中省略的（并且在 2017 年也没有添加）。顺序位置是这里的关键，所以我们不能使用内置函数。

WITH VTE AS(
    SELECT *
    FROM (VALUES ('John Doe'),('Jane Bloggs'),('Edgar Allan Poe'),('Mr George W. Bush'),('Homer J Simpson')) V(FullName)),
Masking AS (
    SELECT *,
           ISNULL(STUFF(Item, 2, LEN(item) -2,'***'), Item) AS MaskedPart
    FROM VTE V
         CROSS APPLY dbo.delimitedSplit8K(V.Fullname, ' '))
SELECT STRING_AGG(MaskedPart,' ') AS MaskedFullName
FROM Masking
GROUP BY Fullname;

编辑：没关系，OP 评论说他们使用的是 2008，所以STRING_AGG 是不可能的。然而，@iamdave 发布了一个与我自己非常相似的答案，只需使用“老式 XML 方式”即可。

Answer 4

根据您的 SQL Server 版本，您可以使用内置字符串拆分为名称中空格上的行，进行字符串格式化，然后使用 XML 路径回滚到名称级别。

create table dataset (id int identity(1,1), name varchar(50));
insert into dataset (name) values
('John Smith'),
('Edgar Allen Poe'),
('One Two Three Four');

with split as (
select id, cs.Value as Name
from dataset
cross apply STRING_SPLIT (name, ' ') cs
),
formatted as (
select
  id,
  name,
  left(name, 1) + '***' + right(name, 1) as out
from split
)
SELECT 
   id, 
   (SELECT ' ' + out 
    FROM formatted b
    WHERE a.id = b.id
    FOR XML PATH('')) [out_name]
FROM formatted a
GROUP BY id

结果：

id   out_name
1    J***n S***h
2    E***r A***n P***e
3    O***e T***o T***e F***r

Answer 5

你可以使用这个函数来做到这一点。

create function [dbo].[fnMaskName] (@var_name varchar(100))
RETURNS varchar(100)
WITH EXECUTE AS CALLER
AS
BEGIN
    declare @var_part varchar(100)
    declare @var_return varchar(100)
    declare @n_position smallint

    set @var_return = ''
    set @n_position = 1

    WHILE @n_position<>0
    BEGIN
        SET @n_position = CHARINDEX(' ', @var_name)
        IF @n_position = 0
            SET @n_position = LEN(@var_name)

        SET @var_part = SUBSTRING(@var_name, 1, @n_position)
        SET @var_name = SUBSTRING(@var_name, @n_position+1, LEN(@var_name))
        if @var_part<>''
            SET @var_return = @var_return + stuff(@var_part, 2, len(@var_part)-2, replicate('*',len(@var_part)-2)) + ' ' 
    END
    RETURN(@var_return)

END