Oracle SQL：如何从列中提取指定目标词汇？

方法1：正则表达式替换（快速实现） #

如果目标词汇固定，可通过两次正则替换先移除非目标词汇，再清理多余空格：

SELECT 
  TRIM(
    REGEXP_REPLACE(
      REGEXP_REPLACE(
        description,
        -- 匹配所有非目标词汇的完整单词
        '(^|\s)(?!MENACE|MORT|VIOLENCES|CONJOINT)(\S+)',
        ''
      ),
      -- 替换多个连续空格为单个空格
      '\s+',
      ' '
    )
  ) AS extracted_terms
FROM your_table;

• 将括号内的MENACE|MORT|VIOLENCES|CONJOINT替换为你的50个目标词汇，用竖线|分隔即可。
• 正则中的(^|\s)确保匹配完整单词，避免部分字符误匹配。

方法2：拆分单词+过滤拼接（易维护） #

针对大量目标词汇（如50个），推荐用这种方式，目标词汇集中维护，逻辑更清晰：

-- 定义需要提取的目标词汇列表
WITH target_terms AS (
  SELECT 'MENACE' AS term FROM DUAL UNION ALL
  SELECT 'MORT' AS term FROM DUAL UNION ALL
  SELECT 'VIOLENCES' AS term FROM DUAL UNION ALL
  SELECT 'CONJOINT' AS term FROM DUAL
  -- 继续添加剩余46个目标词汇，每个用UNION ALL连接
),
-- 拆分原字段中的每个单词
split_words AS (
  SELECT 
    t.id, -- 替换为你的表的唯一标识字段（如主键），无唯一标识可用ROWID代替
    REGEXP_SUBSTR(t.description, '\S+', 1, LEVEL) AS word
  FROM your_table t
  CONNECT BY LEVEL <= REGEXP_COUNT(t.description, '\S+')
    AND PRIOR t.id = t.id
    AND PRIOR SYS_GUID() IS NOT NULL -- 防止递归循环
)
-- 过滤目标词汇并拼接成字符串
SELECT 
  sw.id,
  LISTAGG(tt.term, ' ') WITHIN GROUP (ORDER BY sw.word) AS extracted_terms
FROM split_words sw
JOIN target_terms tt ON sw.word = tt.term
GROUP BY sw.id;

• 优势：目标词汇集中在target_terms中，增删词汇只需修改该部分，无需调整正则，降低出错概率。

内容的提问来源于stack exchange，提问作者pfroide4