正则表达式解析至少20个字符的文本，字符串中不带空格

Question

我需要在SQL查询中为Oracle DB解析手工输入的字符串字段中的代码，它看起来像这样：

“我愿意吗？！想/做* bb a8 001 / XYZ / 0002/65432178非常感谢您的朋友”

每一行的单词数完全不同，只有相同的是单词之间的空格。 字符串中间的某个位置（但也可能是开头或结尾）是我需要解析的长度可变的CODE（总是至少20个字符）-代码始终没有空格，并且与其余部分分开文字按空格。 我只需要解析掉所有单词的代码。 因此，在我看来，如何识别代码的唯一方法是将代码至少包含20个字符，且没有空格。 您可以推荐regex做这种事情吗？ 非常感谢你

所以我希望得到像这样的字符串“ 001 / XYZ / 0002/65432178”

Answer 1

您只需要查找20多个实例的序列即可，除了空格：

select regexp_substr(
  'i would ?! like / to make * bb a8 001/XYZ/0002/65432178 thank you very much friends',
  '[^ ]{20,}') as result
from dual;

RESULT               
---------------------
001/XYZ/0002/65432178

[^ ]是排除空格的模式； {20,}表示必须重复最少20次，最多没有重复。

如果要排除任何空格（例如，在需要的部分之前或之后有一个制表符而不是空格），则可以使用字符类代替：

regexp_substr(<your string>, '[^[:space:]]{20,}')

正如@MTO所指出的那样，它们将匹配值中的前20个字符的字符串，并且用户输入的文本可能包含您不希望看到的长非代码值，这是可行的。 如果可以匹配代码的预期模式，那就更好了。

Answer 2

如果您的单词永远不会超过20个字符，那么您可以天真地使用：

SELECT REGEXP_SUBSTR( value, '\S{20,}' ) AS code,
       value
FROM   data d;

但是，如果单词长度超过20个字符，例如：

CREATE TABLE data ( value ) AS
SELECT 'long words like floxinoxinihilipilification and antidisestablishmentarianism with your code 001/XYZ/0002/65432178' FROM DUAL UNION ALL
SELECT 'i would ?! like / to make * bb a8 001/XYZ/0002/65432178 thank you very much friends' FROM DUAL;

然后上面的代码输出：

CODE                        | VALUE                                                                                                            
:-------------------------- | :----------------------------------------------------------------------------------------------------------------
floxinoxinihilipilification | long words like floxinoxinihilipilification and antidisestablishmentarianism with your code 001/XYZ/0002/65432178
001/XYZ/0002/65432178       | i would ?! like / to make * bb a8 001/XYZ/0002/65432178 thank you very much friends

相反，您可以尝试执行类似的操作，例如返回包含20个以上字符的单词，其中该字符也包含最多/字符：

SELECT ( SELECT MAX( REGEXP_SUBSTR( d.value, '\S{20,}', 1, LEVEL ) ) KEEP ( DENSE_RANK LAST ORDER BY REGEXP_COUNT( REGEXP_SUBSTR( d.value, '\S{20,}', 1, LEVEL ), '/' ) )
         FROM   DUAL
         CONNECT BY LEVEL <= REGEXP_COUNT( d.value, '\S{20}' )
       ) AS code,
       value
FROM   data d;

哪个输出：

CODE                  | VALUE                                                                                                            
:-------------------- | :----------------------------------------------------------------------------------------------------------------
001/XYZ/0002/65432178 | long words like floxinoxinihilipilification and antidisestablishmentarianism with your code 001/XYZ/0002/65432178
001/XYZ/0002/65432178 | i would ?! like / to make * bb a8 001/XYZ/0002/65432178 thank you very much friends

db <> 在这里拨弄