如何在Oracle混杂表头内容数据场景下实现control break类型SQL

实现逻辑 #

通过窗口函数的累计分区特性，按照id顺序将每个Header与其后续直到下一个Header前的所有Content行划归为同一逻辑组，最终将组内的Header文本与Content文本拼接输出，完全匹配“Content行关联之前最近的Header行”的规则。

实现步骤 #

• 识别表中所有满足 text LIKE '%Header%' 的Header行
• 按id顺序累计统计Header出现的次数，将该累计值作为分组ID：Header行出现时累计值+1，Content行沿用之前的累计值，实现Header与后续Content自动同组
• 以分组ID为分区，提取每个组内唯一的Header文本，作为同组所有Content行的关联Header值
• 过滤掉原始的Header行，将Header文本与Content文本按格式拼接为最终输出

参考SQL #

SELECT 
  header_text || ' ' || content_text AS output_content
FROM (
  SELECT 
    text AS content_text,
    MAX(CASE WHEN text LIKE '%Header%' THEN text END) OVER (PARTITION BY group_id) AS header_text,
    CASE WHEN text LIKE '%Header%' THEN 1 ELSE 0 END AS row_type
  FROM (
    SELECT 
      id,
      text,
      SUM(CASE WHEN text LIKE '%Header%' THEN 1 ELSE 0 END) 
          OVER (ORDER BY id ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS group_id
    FROM 存储原始文本的表名
  ) base_data
) processed_data
WHERE row_type = 0
ORDER BY id;

边界说明 #

如果存在数据开头无前置Header的Content行，这类行的分组ID为0，对应的关联Header值为NULL，可根据业务需求决定是过滤这类行还是补充默认前缀。

内容的提问来源于stack exchange，提问作者Woodchuck