尝试使用 regexp_substr 在 Oracle 中解析数据

Question

所以我试图从这个表中解析出具有单个标识符（file_name）的数据，并且有不同的属性，例如 first_name、last_name、date_of_birth。这里的问题是其他非标识符列（例如 first_name、last_name 等）具有多个条目，由我猜测 chr(10) 分隔。其中一些字段也可以为空（如下所示的 DOB） 例如： 原始数据将有：filename.xml johnjacob schmidtmiller, 1-02-03 我需要它变成： 文件名.xml 约翰·施密特 1-02-03 文件名.xml jacob miller null

我拥有的如下：

    select file_name
          , regexp_substr(first_name, '([^chr(10)]*)(chr(10)|$)', 1, level, null, 1) as first_name
         , regexp_substr(last_name, '([^chr(10)]*)(chr(10)|$)', 1, level, null, 1) as last_name
         , regexp_substr(dob, '([^chr(10)]*)(chr(10)|$)', 1, level, null, 1) as dob
     from TABLE
  connect by level <= regexp_count(first_name, chr(10)) + 1
      and prior file_name = file_name
      and prior sys_guid() is not null
    order by file_name

我目前只返回每个文件名的名字/姓氏/出生日期等。我做错了什么？

提前致谢！

Answer 1

请查找 (google) 并阅读 REGEXP_SUBSTR 函数的文档。您会看到它明确指出，默认情况下，它将 LINE 的开头和结尾视为整个输入字符串的开头和结尾。这个默认行为可以在第五个参数中被覆盖（现在在你的代码中是NULL）。即，将NULL 更改为'm'（在对函数的所有调用中）并再次运行。

来自文档：

'm' 将源字符串视为多行。 Oracle 将 ^ 和 $ 分别解释为源字符串中任何位置的任何行的开始和结束，而不仅仅是整个源字符串的开始或结束。如果省略此参数，Oracle 会将源字符串视为单行。

新增：此外，当我们希望chr(10) 表示换行符时，它不应该在带引号的子字符串中。

[^chr(10)]

（在带引号的字符串中）并不意味着除 LF（换行）以外的任何字符。相反，它表示除 c、h、r、1、0、( 和 ) 以外的任何字符。

相反，搜索模式必须使用连接在带引号的字符串和 CHR(10) OUTSIDE 引号之间交替。

'([^chr(10)]*)(chr(10)|$)'

应该是

'([^'  ||  chr(10)  ||  ']*)('  ||  chr(10)  ||  '|$)'

还请注意，重要的是，我们可以在带引号的字符串外（为了便于阅读）使用空格，但不能在字符串内使用空格。例如，插入符号^ 之后的单引号必须紧跟在插入符号之后；如果我们在那里添加一个空格，“为了易读性”，搜索模式将变得不正确。连接运算符|| 在引用的片段之外，因此我们可以在它们周围随意添加空格。