我正在尝试清除SQL Server数据库中的一列文本（在Azure中以防万一）。
文字包含人民的名字，并带有很多词缀（博士，教授，医学博士，博士学位，MSC和许多我不想要的可疑字符,;,;, (, )等
我想从这些行中删除很多东西（通常在一个字段中多次删除），以至于我认为最好的方法是将它们添加到表中，并使用它来遍历并替换为每个一个空格，最后修剪并用一个空格替换多个空格，因为即使只将我需要从列中删除的所有项的1/3放入，嵌套的替换公式也看起来很疯狂。
最后-我想要的输出是将名字分为第一名，中间名和姓氏。一切都很干净，没有其他信息。
到目前为止，我一直在SSIS中处理数据，并探索了标准的T-SQL转换（使用嵌套的replace（），但增长如此之快，以至于令人讨厌）。我已经研究了派生列-再次看来，嵌套替换是这里唯一可行的选择！我终于尝试使用脚本组件找到解决方案，但是作为对此的业余爱好者，我一直无法弄清楚如何使用它，也没有找到任何示例。
效率也是一个问题，因为我最初要处理大约80万个名称。
非常感谢您的协助，因为我已经搜寻了很长时间，但没有发现任何可以直接帮助的东西。
最佳答案
兔子洞，全名的挑战存储在一个字段中，然后在T-SQL中解析，并将所有免责声明放在一边。
不管上面提到的那些项目如何，清理数据（尤其是text / varchar / nvarchar列）都是一个挑战，因为您发现嵌套的REPLACE可能会失控并且难以管理。
您可以在t-sql中做几件事，以帮助您完成所要完成的工作。所有这些将需要对数据进行多次传递。我看到这分为两个清洁类别。 1-删除定义的单词，2-特殊字符。
在您的案例名称前缀和后缀中，将“单词”放入要删除的表中。
基本上删除所有非字母字符。
如果我的名字前缀或后缀是“ Dean”或“ Miss”或...，名字是“ Dean Smith”或“ Missy”或...，是的，那是兔子洞。暂且不说，这里是一些示例代码，您可以尝试一下。
--Test table for words I want to strip out.
DECLARE @WordsToRemove TABLE
(
[word] NVARCHAR(200)
);
--Test table for my data I want to clean
DECLARE @TestData TABLE
(
[Data] NVARCHAR(500)
, [CleanData] NVARCHAR(500)
);
--Flag I am using to keep my while loops going
DECLARE @Continue INT;
--Insert of the words I want to remove.
INSERT INTO @WordsToRemove (
[word]
)
VALUES ( 'DR' )
, ( 'D.R.' )
, ( 'M.D.' )
, ( 'md' )
, ( 'Prof.' );
--Insert test names to clean. I have a while loop here, was loading my test table with 10000+ recrods to see performance.
--You can leave the while loop here commented out just to see how the code works. I got under 2 minutes for 100000+ records. Your mileage may vary.
--WHILE (SELECT COUNT(*) FROM @TestData) < 100000
--BEGIN
INSERT INTO @TestData (
[Data]
)
VALUES ( N'DR Jimmy Smith' )
, ( 'D.R. John Jones M.D.' )
, ( 'Timothy Neal DR md' )
, ( 'Prof. Bob Smith Dr M.D.' )
, ( 'Taco;,,; Johns Dr. Prof.' )
, ( 'Prof. ''#%^Special Charaters;,,; Dr. Prof.' );
--END;
--Just updating a another column so I can save original state
UPDATE @TestData
SET [CleanData] = [Data]
--Join to my @WordsToRemove table using PATINDEX, continue doing that until all occurrences have been removed.
--Clean out words we dont want
SET @Continue = 1;
WHILE @Continue = 1
BEGIN
SET @Continue = 0;
UPDATE [a]
SET [a].[CleanData] = REPLACE([a].[CleanData], [b].[word], '')
, @Continue = 1
FROM @TestData [a]
INNER JOIN @WordsToRemove [b]
ON PATINDEX('%' + [b].[word] + '%', [a].[CleanData]) > 0;
END;
--Remove all non-alpha characters, preserving spaces
--PATINDEX using "%[^a-z ]%" looks of anything not a character and not a space.
SET @Continue = 1;
WHILE @Continue = 1
BEGIN
SET @Continue = 0;
UPDATE [a]
SET [a].[CleanData] = STUFF([a].[CleanData], PATINDEX('%[^a-z ]%', [a].[CleanData]), 1, '')
, @Continue = 1
FROM @TestData [a]
WHERE PATINDEX('%[^a-z ]%', [a].[CleanData]) > 0;
END;
SELECT *
FROM @TestData;
然后从那里根据您的数据存储的格式，提取所需的每个部分。
关于c# - 从列中替换多个字符串元素，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/53063523/