Oracle SQL提取HTML字符串文本：REGEXP_SUBSTR使用求助

问题分析 #

你之前使用的regexp_substr(TEXT, '[^>]+',1,2)无法得到正确结果，原因是[^>]+会匹配所有不含>的字符序列，第二个匹配项会包含</font部分（比如ABC 123</font），而非纯文本内容。

解决方案 #

以下两种方法都可以实现需求，根据你的场景选择：

方法1：通用HTML标签移除（推荐）

使用REGEXP_REPLACE直接移除所有HTML标签，保留纯文本：

SELECT ID, REGEXP_REPLACE(TEXT, '<[^>]+>', '') AS TEXT
FROM TABLE
WHERE TEXT IS NOT NULL;

逻辑说明：<[^>]+>是匹配任意HTML标签的正则（以<开头，后续是任意非>字符，直到>结束），用空字符串替换后即可得到标签包裹的纯文本。

方法2：精准匹配<font>标签内的内容

如果确定字段里只有<font>标签，可以用REGEXP_SUBSTR提取标签内的文本：

SELECT ID, REGEXP_SUBSTR(TEXT, '>([^<]+)<', 1, 1, NULL, 1) AS TEXT
FROM TABLE
WHERE TEXT IS NOT NULL;

逻辑说明：

• >([^<]+)< 匹配>之后、<之前的内容
• 最后一个参数1表示提取正则中第一个捕获组([^<]+)的内容，也就是标签内的纯文本

测试结果 #

用你提供的示例数据测试，两种方法都会输出期望的结果：

ID,TEXT
1,ABC 123
2,1 ETG
3,Gatelys PERC
4,Gml TK 144

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