获取两个连续大写字符的索引

Question

我正在尝试将 city/state/zip 字段分为城市、州和邮政编码。通常我会使用charindex 或',' 来获取城市和州，并使用isnumeric 和right() 来获取zip。

这适用于 zip，但我正在使用的数据中的大多数行现在都没有逗号 City ST Zip。有没有办法识别两个大写字符的索引？

如果没有，除了单独检查每个状态的 case 语句之外，有没有人有更好的主意？

编辑：我发现 PATINDEX/COLLATE 选项的工作相当间歇。请参阅下面的答案。

Answer 1

PATINDEX 应该适合你：

PATINDEX('% [A-Z][A-Z] %', A COLLATE Latin1_general_cs_as)

所以你的完整摘录会是这样的：

WITH CTE AS
(   SELECT  i = PATINDEX('% [A-Z][A-Z] %', A COLLATE Latin1_general_cs_as) + 1,
            A
    FROM    (VALUES 
                ('City ST Zip'),
                ('Another City ST Zip'),
                ('City, with comma ST Zip')
            ) t (A)
)
SELECT  City = LEFT(A, i - 2),
        State = SUBSTRING(A, i, 2),
        Zip = SUBSTRING(A, i + 3, LEN(A))
FROM    CTE;

Example on SQL Fiddle

Answer 2

如果您在字符串末尾有邮政编码和州，那么这可能有效：

select right(address, 5) as zip,
       left(right(address, 8), 2) as state,
       left(address, len(address) - 9) as city

您可以从地址中删除逗号和双空格开始。

Answer 3

PATINDEX 似乎间歇性工作的原因是您不能使用字符范围（即A-Z）来完成区分大小写的搜索，即使使用区分大小写的排序规则也是如此。问题是字符范围像排序一样工作，并且区分大小写的排序将大写字母与其对应的小写字母组合在一起，就像在字典中排序一样。范围排序实际上是：a，A，b，B，c，C，d，D等。或者，根据排序规则，它可能是：A、a、B、b、C、c、D、d 等（有 31 个排序规则首先对大写进行排序）。在区分大小写的排序规则中执行此操作时，仅将所有 A 条目分组在一起，与 a 条目分开，而在区分大小写的排序中，它们将混合在一起。 p>

但是，如果您单独指定每个字母（因此不使用范围），那么它将按预期工作：

PATINDEX(N'%[ABCDEFGHIJKLMNOPQRSTUVWXYZ][ABCDEFGHIJKLMNOPQRSTUVWXYZ]%',
     [CityStZip] COLLATE Latin1_General_100_CS_AS)

PATINDEX 和 LIKE（两者都允许 [A-Z] 的单个字符类）以这种方式工作的原因是 [start-end] 语法不是正则表达式.由于支持这种语法，许多人声称PATINDEX 和LIKE 支持“有限”正则表达式，但事实并非如此。它只是与 RegEx 非常相似（并且令人困惑地相似）的语法，其中[A-Z] 通常不包含任何小写匹配。

当然，如果您保证只搜索 A-Z 的美英字母，那么请使用二进制排序规则（即以 _BIN2 结尾的排序规则；不要使用以 _BIN 结尾的排序规则）自引入 SQL Server 2005 以来已弃用，我相信）应该可以工作。

PATINDEX(N'%[A-Z][A-Z]%', [CityStZip] COLLATE Latin1_General_100_BIN2)

---

有关区分大小写匹配的更多详细信息，尤其是关于包含 Unicode / NVARCHAR 数据的信息，请参阅我在 DBA.StackExchange 上的相关答案：

How to find values with multiple consecutive upper case characters

Answer 4

如果您有一个包含缩写列的状态表（您应该这样做），您可以执行以下操作：

SELECT a.* FROM Addresses a
INNER JOIN States s ON
a.CityStateZip Like '% ' + s.UpperCaseAbbreviation + ' %' --space on either side of abbreviation

你可以让它同时用于逗号和空格：

SELECT a.* FROM Addresses a
INNER JOIN States s ON
Replace(a.CityStateZip, ',' , ' ') Like '% ' + s.UpperCaseAbbreviation + ' %'

Answer 5

我发现 PATINDEX/COLLATE 选项的工作相当间歇。这是我最终做的：

--get rid of the sparsely used commas
--get rid of the duplicate spaces
update MyTable set
    CityStZip= 
        replace(
            replace(
                replace(CityStZip,'   ',' '),
                '  ',' '),
            ',','')

select
    --check if state and zip are there and then grab the city
    case when isNumeric(right(CityStZip,1))=1
            then left(CityStZip,len(CityStZip)-charindex(' ',reverse(CityStZip),
                                        charindex(' ',reverse(CityStZip))+1)+1)
        --no zip. check for state
        when left(right(CityStZip,3),1) = ' '
            then left(CityStZip,len(CityStZip)-charIndex(' ',reverse(CityStZip)))
        else CityStZip
        end as City,
    --check if zip is there and then grab the city
    case when isNumeric(right(CityStZip,1))=1
            then substring(CityStZip,
                    len(CityStZip)-charindex(' ',reverse(CityStZip),
                                                charindex(' ',reverse(CityStZip))+1)+2,
                    2)
        --no zip. check if 3rd to last char is a space and grab the last two chars
        when left(right(CityStZip,3),1) = ' '
            then right(CityStZip,2)
        end as [State],
    --grab everything after the last space if the last character is numeric
    case when isNumeric(right(CityStZip,1))=1
            then substring(CityStZip,
                    len(CityStZip)-charindex(' ',reverse(CityStZip))+1,
                    charindex(' ',reverse(CityStZip)))
        end as Zip
from MyTable