Oracle中这段正则去重SQL的\1符号及正则逻辑是什么含义？

原SQL如下：

SELECT  REGEXP_REPLACE(LISTAGG(A.ID, ',') WITHIN GROUP (ORDER BY A.ID), '([^,]+)(,\1)+', '\1')
FROM    TABLE A

\1的具体含义 #

\1是正则语法里的反向引用，指代匹配过程中，正则模式里第1个被圆括号包裹的捕获组实际匹配到的文本内容。

完整实现逻辑 #

这是Oracle 19c版本（该版本首次原生支持LISTAGG(DISTINCT 列, 分隔符)的去重写法）之前，实现字段去重拼接的经典偏方，必须依赖WITHIN GROUP (ORDER BY A.ID)的排序规则才能正常工作，执行流程分两步：

• 第一步执行LISTAGG聚合：将表A的所有ID按升序排列后，用逗号做分隔符拼接为单个长字符串。因为提前做了排序，取值相同的ID会连续挨在一起，举个实际例子，如果ID列取值是1111、1111、2222、3333、3333，拼接结果就是1111,1111,2222,3333,3333。
• 第二步执行REGEXP_REPLACE正则替换，匹配模式为([^,]+)(,\1)+，各部分作用：
  • ([^,]+)：第1个捕获组，匹配1个及以上连续的非逗号字符，刚好对应拼接串里的单个ID值——你用的A.ID是NUMBER(4)类型的纯数字，本身不含逗号，不会出现匹配错位的问题。
  • (,\1)+：匹配「英文逗号 + 第1个捕获组匹配到的完全一致的内容」，要求这个组合连续出现至少1次，本质就是匹配某个ID后面跟着的所有连续重复的,ID片段。
• 替换规则是把匹配到的整段连续重复ID串，替换为单个\1也就是单个ID值，直接删掉所有多余的重复项。还是以上面的拼接串举例：
  • 连续重复段1111,1111会被替换为单个1111
  • 没有重复的2222不会被匹配替换
  • 连续重复段3333,3333会被替换为单个3333
    最终输出结果就是1111,2222,3333，达到去重拼接的目的。

生效前提 #

这个写法不是通用去重方案，必须满足LISTAGG内对拼接的ID字段做排序的要求，保证相同ID连续排列。如果去掉排序逻辑，相同ID可能被其他值隔开，比如拼接结果为1111,2222,1111，正则无法识别非连续的重复项，去重就会失效。

内容的提问来源于stack exchange，提问作者eastglow