Sql 有没有比数据透视表或使用XML和节点更有效的滑动列的方法

我想知道是否还有其他方法可以分割列，或者比这两种方法更好的方法

我要写一些代码，这样我们可以说同一种语言

--CREATING TABLE
CREATE TABLE BOOKS(
ID VARCHAR(MAX) NULL
) 
/*
  BOOKS 
  PRODUCTID, NAME, PAGES, WEIGHT, SIZE, TYPE
*/
INSERT INTO BOOKS (ID)
VALUES('B001,INTRODUCTION TO SQL,500,100G,MID,TECH')
      ,('B002,ADVANCED SQL SERVER PRACTICES,200,200G,BIG,TECH')
      ,('B003,SQL SERVER PERFORMANCE,1000,500G,BIG,TECH')
      ,('B004,SQL SERVER MANUAL,50,30G,SMALL,TECH')
          ,('B004,SQL SERVER MANUAL,50,30G,SMALL,TECH')

这将是我的演示表，正如您所看到的，我有一个带有逗号分隔值的表

为了分割这些值，我将使用pivot和CTE组合

/*PIVOTING TABLE, ASIGNING A RN TO COLUMNS AND GETTING BACK VALUES*/
WITH C AS(
SELECT ID
      ,value 
      ,ROW_NUMBER() OVER(PARTITION BY ID ORDER BY (SELECT NULL)) as rn
FROM BOOKS BO
    CROSS APPLY STRING_SPLIT(ID, ',') AS BK
)
SELECT ID
      ,[1] AS PRODUCTID
      ,[2] AS NAME
      ,[3] AS PAGES
      ,[4] AS WEIGHT
      ,[5] AS SIZE
      ,[6] AS TYPE
FROM C
PIVOT(
    MAX(VALUE)
    FOR RN IN([1],[2],[3],[4],[5],[6])  
) as PVT

它工作正常，但在本例中，它返回的字符串顺序不保证为Ex，1,2,3,4。column1=1，column2=3 column3=2 column4=4，我希望得到1,2,3,4 另一个是众所周知的stackoverflow，它使用XML和节点

SELECT DISTINCT
    S.a.value('(/H/r)[1]', 'VARCHAR(100)') AS PRODUCTID
   ,S.a.value('(/H/r)[2]', 'VARCHAR(100)')  AS NAME
   , S.a.value('(/H/r)[3]', 'VARCHAR(100)') AS PAGES
   , S.a.value('(/H/r)[4]', 'VARCHAR(100)') AS WEIGHT
   , S.a.value('(/H/r)[5]', 'VARCHAR(100)') AS SIZE
   , S.a.value('(/H/r)[6]', 'VARCHAR(100)') AS TYPE
FROM
(
SELECT *,CAST (N'<H><r>' + REPLACE(ID, ',', '</r><r>')  
               + '</r></H>' AS XML) AS [vals]
FROM BOOKS) d 
CROSS APPLY d.[vals].nodes('/H/r') S(a) 

另一个是众所周知的stackoverflow，它使用XML和节点

SELECT DISTINCT
    S.a.value('(/H/r)[1]', 'VARCHAR(100)') AS PRODUCTID
   ,S.a.value('(/H/r)[2]', 'VARCHAR(100)')  AS NAME
   , S.a.value('(/H/r)[3]', 'VARCHAR(100)') AS PAGES
   , S.a.value('(/H/r)[4]', 'VARCHAR(100)') AS WEIGHT
   , S.a.value('(/H/r)[5]', 'VARCHAR(100)') AS SIZE
   , S.a.value('(/H/r)[6]', 'VARCHAR(100)') AS TYPE
FROM
(
SELECT *,CAST (N'<H><r>' + REPLACE(ID, ',', '</r><r>')  
               + '</r></H>' AS XML) AS [vals]
FROM BOOKS) d 
CROSS APPLY d.[vals].nodes('/H/r') S(a) 

它也能像预期的那样工作，但别误会我的意思，如果你不在初级水平以上，它很难解释，也有点让人困惑

---

还有什么更好的方法可以在sql server中拆分列，microsoft是否为此实现了一个新功能，或者您知道其他方法吗

就我个人而言，我的方法是将该值视为一个带分隔符的项，然后使用交叉表将其透视。由于顺序位置很重要，而且字符串_SPLIT不能保证这一点，因此在这里是一个更好的选择：

SELECT MAX(CASE DS.ItemNumber WHEN 1 THEN NULLIF(DS.Item,'') END) AS PRODUCTID,
       MAX(CASE DS.ItemNumber WHEN 2 THEN NULLIF(DS.Item,'') END) AS [NAME],
       MAX(CASE DS.ItemNumber WHEN 3 THEN NULLIF(DS.Item,'') END) AS PAGES,
       MAX(CASE DS.ItemNumber WHEN 4 THEN NULLIF(DS.Item,'') END) AS WEIGHT,
       MAX(CASE DS.ItemNumber WHEN 5 THEN NULLIF(DS.Item,'') END) AS SIZE,
       MAX(CASE DS.ItemNumber WHEN 6 THEN NULLIF(DS.Item,'') END) AS [TYPE]
FROM dbo.BOOKS B
     CROSS APPLY dbo.DelimitedSplit8K_LEAD(B.ID,',') DS
GROUP BY B.ID;

---

就我个人而言，我的方法是将该值视为一个分隔的项，然后使用交叉表对其进行透视。由于顺序位置很重要，而且字符串_SPLIT不能保证这一点，因此在这里是一个更好的选择：

SELECT MAX(CASE DS.ItemNumber WHEN 1 THEN NULLIF(DS.Item,'') END) AS PRODUCTID,
       MAX(CASE DS.ItemNumber WHEN 2 THEN NULLIF(DS.Item,'') END) AS [NAME],
       MAX(CASE DS.ItemNumber WHEN 3 THEN NULLIF(DS.Item,'') END) AS PAGES,
       MAX(CASE DS.ItemNumber WHEN 4 THEN NULLIF(DS.Item,'') END) AS WEIGHT,
       MAX(CASE DS.ItemNumber WHEN 5 THEN NULLIF(DS.Item,'') END) AS SIZE,
       MAX(CASE DS.ItemNumber WHEN 6 THEN NULLIF(DS.Item,'') END) AS [TYPE]
FROM dbo.BOOKS B
     CROSS APPLY dbo.DelimitedSplit8K_LEAD(B.ID,',') DS
GROUP BY B.ID;

---

如果2016+，另一个选项是JSON

JSON似乎优于XML，特别是在选择片段和选择值方面

范例

---

如果2016+，另一个选项是JSON

JSON似乎优于XML，特别是在选择片段和选择值方面

范例

---

为什么要存储分隔数据？数据首先应该是6个独立的列，因此您的表格应该有6列，而不是1列。我在工作中处理客户数据时多次遇到过这种情况，请相信我，在进行数据分析时，数据并不总是专门结构化的。请参阅本文。它描述了一个也返回列顺序的拆分器函数。你应该看看它的改进版本@user1443098：那是我，@user1443098，不是Alvaro；是的，Eirikur在发表之前，对Jeff谈了很多关于这个函数的事情，并表示了他的祝福。在我看来，这两个函数是SSC社区的一个很好的例子。为什么要存储分隔数据？数据首先应该是6个独立的列，因此您的表格应该有6列，而不是1列。我在工作中处理客户数据时多次遇到过这种情况，请相信我，在进行数据分析时，数据并不总是专门结构化的。请参阅本文。它描述了一个也返回列顺序的拆分器函数。你应该看看它的改进版本@user1443098：那是我，@user1443098，不是Alvaro；是的，Eirikur在发表之前，对Jeff谈了很多关于这个函数的事情，并表示了他的祝福。在我看来，这两个功能是SSC社区的一个很好的例子。你有没有重新设置它？@user1443098我想我不必这样做。尽管Larnu的函数令人印象深刻，但它仍然是一个表值函数和聚合，而不是本机函数！我认为Jeff的基准测试表明情况并非总是如此。就个人而言，在我的家庭工作站i7 8700 32GB RAM上，我发现带630行分隔符的DSPLIT8K_需要10毫秒，而JSON解决方案平均需要16毫秒。3130时48分对83分。奇怪的是，在15000行时，它们在PAR上，然后在80000行，JSON慢得多，在100MS~VS2000毫秒之间。在400000行时，JSON慢了几秒钟。本机函数并不总是更好。例如，看看糟糕的格式函数：@Larnu格式化功能是一个廉价的镜头：你把它重新放在板凳上了吗？@user1443098我想我不必这么做。尽管Larnu的函数令人印象深刻，但它仍然是一个表值函数和聚合，而不是本机函数！我认为Jeff的基准测试表明情况并非总是如此。就个人而言，在我的家庭工作站i7 8700 32GB RAM上，我发现带630行分隔符的DSPLIT8K_需要10毫秒，而JSON解决方案平均需要16毫秒。3130时48分对83分。奇怪的是，在15000行时，它们在PAR上，然后在80000行，JSON慢得多，在100MS~VS2000毫秒之间。在400000行时，JSON慢了几秒钟。本机函数并不总是更好。例如，看看糟糕的格式函数：@Larnu格式化功能是一个廉价的功能：