Oracle数据库CLOB列正则匹配ASCII与扩展Unicode字符问题

问题原因 #

你当前使用的正则表达式[^[:print:]]会匹配所有非可打印ASCII字符，而多行文本里的**换行符（\n）、制表符（\t）**属于ASCII控制字符，不在[:print:]的覆盖范围内，所以这类字符会被误判为“扩展Unicode字符”，导致查询返回1。

修正后的查询语句 #

将换行、制表符加入允许的字符集合，修改REGEXP_LIKE的匹配条件即可：

SELECT
CASE
    WHEN COUNT(*) > 0 THEN 1
    ELSE 0
END AS contains_extended_unicode 
FROM my_table 
WHERE REGEXP_LIKE(TO_CHAR(my_column), '[^[:print:]\n\t]');

如果你的数据中还包含回车符（\r），也可以一并加入正则：

SELECT
CASE
    WHEN COUNT(*) > 0 THEN 1
    ELSE 0
END AS contains_extended_unicode 
FROM my_table 
WHERE REGEXP_LIKE(TO_CHAR(my_column), '[^[:print:]\n\t\r]');

说明 #

修改后的正则会排除可打印ASCII字符以及换行、制表符（回车），仅当数据中存在真正的扩展Unicode字符（如项目符号•）时才会匹配，从而返回正确的判定结果。

内容的提问来源于stack exchange，提问作者user2102665