Oracle 11g R2中如何通过DBMS_OUTPUT从HTML查询结果提取指定值

核心实现逻辑 #

• 解决原脚本的缓冲区截断问题：原脚本每次按4000字符分段读取响应，目标标题很可能被拆分到两个相邻的读取块中，导致匹配失效，需先把全量HTML响应拼接为CLOB变量存储，再做文本匹配
• 通过Oracle内置正则函数定位目标文本：匹配HTML中<center>标签包裹的标题内容，自动剥离冗余标签，直接取出目标值
• 编码适配：目标值中的á是页面本身的编码显示结果，按原编码读取响应即可，无需额外转码

具体代码修改点 #

• 新增CLOB类型变量存储全量HTML响应内容，避免大页面读取截断
• 替换原循环读取时直接输出分段内容的逻辑，改为逐段拼接全量响应
• 全量内容读取完成后，用正则匹配定位目标文本
• 仅输出匹配到的目标值，不输出其他冗余HTML内容
• 修正原脚本中请求头多带多余空格的语法问题

修改后的完整PL/SQL脚本 #

declare
  req utl_http.req;
  res utl_http.resp;
  v_url varchar2(4000) := 'http://www.sefaz.ba.gov.br/scripts/cadastro/cadastroBa/result.asp';
  v_post_content varchar2(4000) := 'CGC=13504675000110&B1=CNPJ++-%3E&CPF=&IE=';
  v_full_html clob; -- 存储全量响应内容
  v_read_buffer varchar2(32767);
  v_target_result varchar2(4000);
begin
  -- 初始化POST请求
  req := utl_http.begin_request(v_url, 'POST','HTTP/1.1');
  utl_http.set_header(req, 'content-type', 'application/x-www-form-urlencoded'); 
  utl_http.set_header(req, 'Content-Length', length(v_post_content));
  utl_http.write_text(req, v_post_content);

  -- 获取响应
  res := utl_http.get_response(req);
  dbms_lob.createtemporary(v_full_html, true);

  -- 逐段读取并拼接全量HTML
  begin
    loop
      utl_http.read_text(res, v_read_buffer, 32767);
      dbms_lob.append(v_full_html, v_read_buffer);
    end loop;
  exception
    when utl_http.end_of_body then
      null;
  end;
  utl_http.end_response(res); 

  -- 正则匹配提取目标值：兼容标签间的空格、换行、大小写差异
  v_target_result := regexp_substr(
    v_full_html,
    '<center>\s*(.*?)\s*</center>',
    1,
    1,
    'inm', -- 匹配模式：i=忽略大小写，n=点号匹配换行，m=多行匹配
    1 -- 返回第一个捕获组的文本内容
  );

  -- 仅输出提取到的目标值
  dbms_output.put_line(v_target_result);

  -- 清理临时CLOB资源
  dbms_lob.freetemporary(v_full_html);
end;

注意事项 #

• 11g R2环境下需先为执行脚本的数据库用户授予UTL_HTTP执行权限、以及外网访问的ACL权限，否则会触发权限报错
• 正则规则适配非规范HTML格式，自动忽略标签间的多余空格、换行，不会匹配到其他无关内容

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