从Sedna迁移至Oracle：提取<description>标签HTML内容时标签丢失求助

我之前帮不少开发者处理过类似的迁移后HTML标签丢失的问题，核心原因大多是Oracle的XML/字符串处理函数默认会剥离标签，咱们针对性来解决：

情况1：HTML存储在普通文本字段（VARCHAR2/CLOB） #

如果你的HTML内容存在普通的文本类型字段里，别用会自动剥离标签的XML函数，直接用正则提取就能保留完整的HTML结构：

SELECT REGEXP_SUBSTR(your_html_column, '<description>(.*?)</description>', 1, 1, 'ni', 1) AS extracted_description
FROM your_table;

参数说明：

• 'ni'：n让.匹配换行符（处理多行HTML），i忽略标签的大小写（比如<Description>也能匹配）
• 最后一个1：提取正则里第一个括号捕获的内容，也就是和之间的完整HTML

情况2：HTML存储为XMLTYPE字段 #

如果你的数据是用XMLTYPE存储的，之前用EXTRACTVALUE会自动剥离标签，换成EXTRACT结合GETSTRINGVAL()就能保留标签：

SELECT your_xml_column.EXTRACT('//description/node()').GETSTRINGVAL() AS extracted_description
FROM your_table;

这里node()会获取节点下的所有内容（包括子标签），而不是只提取纯文本。

额外注意事项 #

• 若HTML里包含特殊字符（比如&），确保你的Oracle数据库字符集是UTF8，避免乱码或解析错误
• 如果是超大CLOB字段，正则可能效率不高，可以考虑用DBMS_LOB.INSTR配合DBMS_LOB.SUBSTR手动截取，效率会更好：

SELECT DBMS_LOB.SUBSTR(
    your_html_column,
    DBMS_LOB.INSTR(your_html_column, '</description>') - DBMS_LOB.INSTR(your_html_column, '<description>') - 13,
    DBMS_LOB.INSTR(your_html_column, '<description>') + 13
) AS extracted_description
FROM your_table;

（注：13是<description>标签的长度，计算时要准确）

内容的提问来源于stack exchange，提问作者tjxob