PL/SQL中按模式拆分字符串并映射令牌到对应模式的方法咨询

核心思路 #

你原本就具备将模式字符串转换为匹配正则的能力，只需要在转换时给每个模式对应的正则片段加上捕获括号，同时记录每个捕获组和对应模式令牌的映射关系，就可以直接利用Oracle正则函数的捕获组提取能力拿到对应值，完全不需要适配可变分隔符，因为分隔符的匹配逻辑已经包含在你生成的完整正则中。

具体实现步骤 #

• 预定义模式和捕获组正则的映射规则
  提前把所有支持的模式对应的带捕获括号的正则规则配置好，示例配置如下：

  模式	对应捕获组正则	说明
  yyyy	([1-9][0-9]{3})	匹配4位合法年份
  mm	(0[1-9]|1[012])	匹配01-12的合法月份
  dd	(0[1-9]|[12][0-9]|3[01])	匹配01-31的合法日期
  country	([a-zA-Z]+)	匹配纯字母的国家名称，可根据实际场景调整规则
  state	([a-zA-Z]+)	匹配纯字母的州/省名称，可根据实际场景调整规则
  type	([a-zA-Z0-9]+)	匹配文件后缀

• 解析输入模式，生成完整匹配正则和捕获组映射
  遍历输入的模式字符串，把{}包裹的模式令牌替换成对应配置的捕获组正则，非模式的固定文本/分隔符原样保留，同时按顺序记录每个捕获组对应的令牌名称。
  示例输入模式{yyyy}{mm}{dd}_{country}_{state}_jobsreport.{type}，生成的完整正则为：

  ^([1-9][0-9]{3})(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])_([a-zA-Z]+)_([a-zA-Z]+)_jobsreport\.([a-zA-Z0-9]+)$
  

  对应的捕获组映射为：
  • 第1组：year
  • 第2组：month
  • 第3组：date
  • 第4组：country
  • 第5组：state
  • 第6组：type
• 匹配文件名提取令牌值
  利用Oracle REGEXP_SUBSTR 函数的第6个参数指定捕获组序号，直接提取对应令牌的取值。

PL/SQL 实现示例 #

DECLARE
    -- 输入配置
    v_input_pattern VARCHAR2(200) := '{yyyy}{mm}{dd}_{country}_{state}_jobsreport.{type}';
    v_target_filename VARCHAR2(200) := '20200331_japan_kyushu_jobsreport.json';
    
    -- 捕获组映射存储结构
    TYPE token_order_tab IS TABLE OF VARCHAR2(50) INDEX BY PLS_INTEGER;
    v_token_order token_order_tab;
    v_full_match_regex VARCHAR2(1000);
    
    -- 结果变量
    v_result_year VARCHAR2(4);
    v_result_month VARCHAR2(2);
    v_result_day VARCHAR2(2);
    v_result_country VARCHAR2(50);
    v_result_state VARCHAR2(50);
    v_result_type VARCHAR2(20);
BEGIN
    -- 此处省略模式转正则和捕获组映射的逻辑，你原有生成匹配正则的逻辑只需新增记录捕获组顺序即可
    -- 示例直接使用提前生成好的正则和映射
    v_full_match_regex := '^([1-9][0-9]{3})(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])_([a-zA-Z]+)_([a-zA-Z]+)_jobsreport\.([a-zA-Z0-9]+)$';
    v_token_order(1) := 'year';
    v_token_order(2) := 'month';
    v_token_order(3) := 'day';
    v_token_order(4) := 'country';
    v_token_order(5) := 'state';
    v_token_order(6) := 'type';
    
    -- 循环提取所有令牌值
    FOR i IN 1..v_token_order.COUNT LOOP
        CASE v_token_order(i)
            WHEN 'year' THEN v_result_year := REGEXP_SUBSTR(v_target_filename, v_full_match_regex, 1, 1, NULL, i);
            WHEN 'month' THEN v_result_month := REGEXP_SUBSTR(v_target_filename, v_full_match_regex, 1, 1, NULL, i);
            WHEN 'day' THEN v_result_day := REGEXP_SUBSTR(v_target_filename, v_full_match_regex, 1, 1, NULL, i);
            WHEN 'country' THEN v_result_country := REGEXP_SUBSTR(v_target_filename, v_full_match_regex, 1, 1, NULL, i);
            WHEN 'state' THEN v_result_state := REGEXP_SUBSTR(v_target_filename, v_full_match_regex, 1, 1, NULL, i);
            WHEN 'type' THEN v_result_type := REGEXP_SUBSTR(v_target_filename, v_full_match_regex, 1, 1, NULL, i);
        END CASE;
    END LOOP;
    
    -- 输出验证结果
    DBMS_OUTPUT.PUT_LINE('year = ' || v_result_year);
    DBMS_OUTPUT.PUT_LINE('month = ' || v_result_month);
    DBMS_OUTPUT.PUT_LINE('day = ' || v_result_day);
    DBMS_OUTPUT.PUT_LINE('country = ' || v_result_country);
    DBMS_OUTPUT.PUT_LINE('state = ' || v_result_state);
    DBMS_OUTPUT.PUT_LINE('type = ' || v_result_type);
END;
/

方案优势 #

• 完全适配可变分隔符、可变模式顺序的需求，所有匹配规则由你生成的正则控制，无需额外处理分隔符逻辑
• 性能稳定，Oracle原生正则函数执行效率远高于自定义拆分逻辑
• 扩展性强，新增模式只需要在预定义配置里新增对应的捕获组正则即可

内容的提问来源于stack exchange，提问作者Alice