如何在Oracle DB中使用4字節的UTF-8字符選擇行？

我需要檢測我的表是否有4字節的UTF-8字符，並刪除它們（如果有的話）。我試過下面的SQL，但是它們返回錯誤ORA-12726: unmatched bracket in regular expression。所有括號都匹配，所以錯誤是不正確的。如何在Oracle DB中使用4字節的UTF-8字符選擇行？

select REGEXP_REPLACE(asdaasd', 
    '[' 
    || UTL_I18N.RAW_TO_CHAR ('010000', 'UTF8') 
    || '-' 
    || UTL_I18N.RAW_TO_CHAR ('01FFFF', 'UTF8') 
    || ']', '') 
from dual; 

select REGEXP_REPLACE('asdaasd', 
    '[' 
    || chr(to_number('010000', 'xxxxxx')) 
    || '-' 
    || chr(to_number('01FFFF', 'xxxxxx')) 
    || ']', '') 
from dual;

這些查詢有什麼問題？

你知道如何按字符代碼點範圍查找行嗎？

來源

2016-01-11 Barataliba

您可以使用the UNISTR function;該字符是codepoint U+2070E，UTF-16中的字符是D841DF0E。如文檔的註釋：

增補字符編碼爲兩個代碼單元，從高的替代物的第一範圍（U + D800到U + DBFF），和從低的替代物範圍內的第二（U + DC00至U + DFFF）。

這意味着你可以用它表示：

select unistr('\D841\DF0E') from dual; 

UNISTR('\D841\DF0E') 
--------------------

然後可以使用UNISTR來構建你的範圍：

select REGEXP_REPLACE('asdaasd', 
    '[' 
    || UNISTR('\D800\DC00') 
    || '-' 
    || UNISTR('\DBFF\DFFF') 
    || ']', '') 
from dual; 

REGEXP_REPLACE('ASDAASD','['||UNISTR('\D800\DC00')||'-'||UNISTR('\DBFF\DFFF')||']','') 
---------------------------------------------------------------------------------------- 
asdaasd

假設你要排除所有增補字符;如果焦距更窄，則可以調整範圍。

來源

2016-01-11 12:51:57

也許這並不是你所需要的exacly但要解決錯誤ORA-12726使用此查詢

select REGEXP_REPLACE('asdaasd', 
    '\[' 
    || chr(to_number('010000', 'xxxxxx')) 
    || '-' 
    || chr(to_number('01FFFF', 'xxxxxx')) 
    || '\]', '') 
from dual;

來源

2016-01-11 12:14:04 Moudiz

當你從原材料轉換成char必須在所選擇的編碼提供八位字節序列。你提供的是Unicode代碼點，但不是它們的utf8編碼。爲了得到這個，你可以使用在線工具，如this one或code table。例如。 U+010000在utf-8中表示爲（範圍擴展到U+010000 - U+02FFFF以包含源字符）。

所以在樣品的情況下，使用以下命令：

select REGEXP_REPLACE('asd'||UTL_I18N.RAW_TO_CHAR ('F0A09C8E', 'AL32UTF8')||'aasd', 
    '[' 
    || UTL_I18N.RAW_TO_CHAR ('F0908080', 'AL32UTF8') 
    || '-' 
    || UTL_I18N.RAW_TO_CHAR ('F0AFBFBF', 'AL32UTF8') 
    || ']', '') 
from dual;

來源

2016-01-11 12:20:38 collapsar

謝謝。但是，即使將範圍中的第二個字符擴展到'F48083BF'，它也不會取代該Unicode符號。輸出仍然是'asdaasd' – Barataliba

@Barataliba要替換的字符不在指定的原始正則表達式的範圍之內，範圍擴展。 – collapsar

Oracle字符集「UTF8」與通常已知的編碼[UTF-8]（https://en.wikipedia.org/wiki/UTF-8）不同**。 Oracle字符集UTF8表示[CESU-8]（https://en.wikipedia.org/wiki/CESU-8）編碼。對於「真正的」UTF-8，你必須使用Oracle字符集「AL32UTF8」，因此你必須使用'UTL_I18N.RAW_TO_CHAR（...，'AL32UTF8'）' –

如果你喜歡RAW_TO_CHAR，你可以做這樣的：

SELECT REGEXP_REPLACE('asdaasd', 
    '[' 
    || UTL_I18N.RAW_TO_CHAR ('F0908080', 'AL32UTF8') 
    || '-' 
    || UTL_I18N.RAW_TO_CHAR ('F48FBFBF', 'AL32UTF8') 
    || ']', '') 
FROM dual;

Oracle字符集UTF8是不一樣的俗稱編碼UTF-8。 Oracle字符集UTF8表示CESU-8編碼。對於UTF-8，您必須使用Oracle字符集AL32UTF8

U+01FFFF不是最大的Unicode碼點，您的字符串可能包含「」（U+02F8D3 CJK COMPATIBILITY IDEOGRAPH-2F8D3）。最大可能的Unicode代碼點是U+10FFFF，它等於UNISTR('\DBFF\DFFF')（由Alex Poole的答案提供）， UTL_I18N.RAW_TO_CHAR ('F48FBFBF', 'AL32UTF8')。

btw，轉換我使用此頁面：Unicode code converter

來源

2016-01-12 08:23:59

如何在Oracle DB中使用4字節的UTF-8字符選擇行？

回答

相關問題