Oracle SQL Developer 正则表达式

Question

我不是正则表达式方面的专家，正在寻求帮助。提前致谢

我想从描述列中提取格式化的子字符串。下面的示例

来自

my testing on 456897 - Carol M. Smith, Ph.D. 
my testing on 435670 - Ms. Paulina M. Hall
my testing on 980765 - Mr. John Smith
my testing on 14567 - Mrs. Lena C. Callum
my testing on 555777 - Dr. Paul F. Fairlake
234567 - Mr. Ryan M. Palmer, Sr.
123456 - Joyce R. Hilton, Ph.D.

到

my testing on 456897 - C.Smith 
my testing on 435670 - Ms. P. Hall
my testing on 980765 - Mr. J. Smith
my testing on 14567 - Mrs. L. Callum
my testing on 555777 - Dr. P. Fairlake
234567 - Mr. R. Palmer
123456 - J. Hilton

我的查询适用于第一条和最后一条记录。但是，有标题的有点复杂。

对于有标题的记录，我需要保留名字和姓氏的首字母。

SELECT description,
       CASE
           WHEN REGEXP_LIKE(description, '(Mr\.|Ms\.|Mrs\.|Dr\.)') THEN REGEXP_REPLACE(description, '(Ms\.|Mr\.|Mrs\.|Dr\.[A-Z][a-z]+ [A-Z]\.)')
           WHEN NOT REGEXP_LIKE(description, '(Mr\.|Ms\.|Mrs\.|Dr\.)')  THEN REGEXP_REPLACE(description, '(\w)\w*\W+(\w)\w*\W+(\w+),.*', '\1. \3')
           ELSE 'some other validation needed'
       END AS order_regex
       from mytable;

再次感谢您的任何建议。 K

Answer 1

对于这个确切的例子，你可以使用这样的东西：

select
  description,
       CASE
           WHEN REGEXP_LIKE(description, '(Mr\.|Ms\.|Mrs\.|Dr\.)') THEN 
              REGEXP_REPLACE(description,  '(Ms\.|Mr\.|Mrs\.|Dr\.) ([A-Z])[a-zA-Z. ]+ ([A-Za-z]+)', '\1 \2. \3')
           WHEN REGEXP_LIKE(description, ', (Ph\.D\.|Sr\.)')  THEN 
              REGEXP_REPLACE(description, '([A-Z])[a-z]+ ([A-Z]\.)? ([A-Z][a-z]+), (Ph\.D\.|Sr\.)', '\1. \3')
           ELSE 'some other validation needed'
       END AS order_regex
from t1

编辑：对多部分名称更通用：

select
  description,
       CASE
           WHEN REGEXP_LIKE(description, '(Mr\.|Ms\.|Mrs\.|Dr\.)') THEN 
              REGEXP_REPLACE(description,  '(Ms\.|Mr\.|Mrs\.|Dr\.) ([A-Z])[a-zA-Z. ]+ ([A-Za-z]+)', '\1 \2. \3')
           WHEN REGEXP_LIKE(description, ', (Ph\.D\.|Sr\.)')  THEN 
              REGEXP_REPLACE(description, '([A-Z])[a-zA-Z. ]* ([A-Z][a-z]+), (Ph\.D\.|Sr\.)', '\1. \2')
           ELSE 'some other validation needed'
       END AS order_regex
from t1

演示在这里v2

但一般来说，名称很难解析，恐怕简单的正则表达式集是行不通的。

Answer 2

我会这样做：

select
  t1.*
 ,regexp_replace(
     t1.description
    ,'([^-]+)-\s*((Mr|Ms|Mrs|Dr)[.]\s*)?(\w)\w*(\s[a-zA-Z.]*)*\s(\w+)(,.*|$)'
    ,'\1- \2\4. \6'
    ) subs
from t1

这个正则表达式的简短描述：

1. ([^-]+)-

   - 查找以

   -

   结尾的子字符串的第一部分（子表达式 #1）

2. \s*

   - 任意数量的空格字符

3. ((Mr|Ms|Mrs|Dr)[.]\s*)?

   - 检查先生|女士|女士|博士。存在并作为子表达式 #2
返回

4. (\w)\w*

   - 找到一个名字并返回第一个字母作为子表达式 $3

5. (\s[a-zA-Z.]*)*

   - 名字和姓氏之间的任意数量的单词（子表达式 #4）

6. \s(\w+)(,.*|$)

   - 查找姓氏（即“，”之前的最后一个单词或字符串的末尾）并作为子表达式 #5 返回。

完整测试用例：

with t1 as (
select 'my testing on 456897 - Carol M. Smith, Ph.D. ' description from dual union all
select 'my testing on 435670 - Ms. Paulina M. Hall' from dual union all
select 'my testing on 980765 - Mr. John Smith' from dual union all
select 'my testing on 14567 - Mrs. Lena C. Callum' from dual union all
select 'my testing on 555777 - Dr. Paul F. Fairlake' from dual union all
select '234567 - Mr. Ryan M. Palmer, Sr.' from dual union all
select '123456 - Joyce R. Hilton, Ph.D.' from dual  
)
select
  t1.*
 ,regexp_replace(
     t1.description
    ,'([^-]+)-\s*((Mr|Ms|Mrs|Dr)[.]\s*)?(\w)\w*(\s[a-zA-Z.]*)*\s(\w+)(,.*|$)'
    ,'\1- \2\4. \6'
    ) subs
from t1;

DBFiddle：https://dbfiddle.uk/HNHHzGR4