从CLOB列提取匹配模式返回重复行，如何获取唯一行？

重复行产生的原因 #

1. 递归无行关联约束：你的查询没有指定递归时父行与子行的关联条件，当test表存在多行数据时，每一行都会被递归展开，不同行的递归结果交叉组合，产生大量重复行。
2. 缺少防循环控制：未添加防止递归循环的条件，可能导致同一行被重复递归处理。
3. 正则匹配逻辑问题：当前REGEXP_SUBSTR返回的是整个匹配串（包含IS:</u><BR>和结尾的<BR><BR>），而非目标内容，可能导致后续无法正确识别唯一值；另外REGEXP_COUNT返回3但实际有5条数据，说明正则模式未覆盖所有目标匹配项，需要校验模式准确性。

解决方法 #

步骤1：修正递归逻辑并提取目标内容 #

添加行唯一标识（如ROWID或表主键）到CONNECT BY中，限制递归仅针对当前行展开，同时调整REGEXP_SUBSTR提取正则分组内的目标内容：

SELECT DISTINCT
       REGEXP_SUBSTR(des, 'IS:</u><BR>(.*?)<BR><BR>', 1, LEVEL, 'i', 1) AS name
FROM test
CONNECT BY LEVEL <= REGEXP_COUNT(des, 'IS:</u><BR>(.*?)<BR><BR>', 1, 'i')
       AND PRIOR ROWID = ROWID
       AND PRIOR SYS_GUID() IS NOT NULL;

关键说明：

• REGEXP_SUBSTR的第6个参数1：提取正则中(.*?)匹配的分组内容，直接得到目标值而非整个匹配串。
• DISTINCT：过滤掉因正则匹配或递归产生的重复行。
• PRIOR ROWID = ROWID：确保递归仅针对当前行展开，避免不同行的结果交叉重复。
• PRIOR SYS_GUID() IS NOT NULL：Oracle中防止递归循环的常用技巧，通过唯一值避免循环递归。

步骤2：校验并调整正则模式 #

如果REGEXP_COUNT返回结果与实际不符，需调整正则模式覆盖所有场景：

• 添加'i'参数忽略大小写匹配。
• 用\s*匹配可能存在的空格、换行等特殊字符：

  REGEXP_COUNT(des, 'IS:</u>\s*<BR>\s*(.*?)\s*<BR>\s*<BR>', 1, 'i')
  

内容的提问来源于stack exchange，提问作者APR