Sql 检测子字符串

我有很多需要整理的数据，其中一个字段既包含车辆的品牌/型号，也包含reg，有时用破折号（-）分隔，但有时不是。以下是此类字符串的示例：

车辆模型-TU69YUP

车辆模型-TU69是的

TU69YUP汽车模型

图69汽车模型是的

还有一些其他的变化，但它们是我遇到的主要变化。是否有一种方法可以可靠地检查所有数据，并将车辆reg从模型中分离出来

这些数据目前包含在一个Paradox数据库中，我没有任何问题。我没有数据库中包含的所有车型和名称的列表，同样，我也没有牌照列表

---

该项目是用Delphi/SQL编写的，因此如果可能的话，我更愿意使用其中任何一种。字[空格]字

然后，您可以遍历它们，如果遇到没有破折号的空白，请插入破折号。然后按正常方式拆分。

下面是一个代码示例。 它将检查

-

，并删除许可证号码中可能的空格

注意：（如Ken White所述），如果车辆包含空间，则也必须对其进行处理

type
  EMySplitError = class(Exception);

procedure SplitVehicleAndLicense( s : String; var vehicle,license : String);
var
  p : Integer;
begin
  vehicle := '';
  license := '';
  p := Pos('-',s);
  if (p = 0) then
  begin // No split delimiter
    p := Pos(' ',s);
    if (p > 0) then
    begin
      vehicle := Trim(Copy(s,1,p-1));
      license := Trim(Copy(s,p+1,Length(s)));
    end
    else
      Raise EMySplitError.CreateFmt('Not a valid vehicle/license name:%s',[s]);
  end
  else
  begin
    vehicle := Trim(Copy( s,1,p-1));
    license := Trim(Copy( s,p+1,Length(s)));
  end;

  // Trim spaces in license
  repeat
    p := Pos(' ',license);
    if (p <> 0) then Delete(license,p,1);
  until (p = 0);
end;

类型
emysplieror=类（异常）；
过程拆分车辆许可证（s:String；var车辆，许可证：String）；
变量
p：整数；
开始
车辆：=''；
许可证：=''；
p:=Pos（'-'，s）；
如果（p=0），则
开始//无分割分隔符
p:=位置（''，s）；
如果（p>0），则
开始
车辆：=配平（副本（s，1，p-1））；
许可证：=修剪（副本，p+1，长度）；
结束
其他的
提出emysplitror.CreateFmt（'不是有效的车辆/许可证名称：%s'，[s]）；
结束
其他的
开始
车辆：=配平（副本（s，1，p-1））；
许可证：=修剪（副本，p+1，长度）；
结束；
//修剪许可证中的空格
重复
p:=位置（''，许可证）；
如果为（p 0），则删除（许可证，p，1）；
直到（p=0）；
结束；

前面有故障 如果该字段最初是由用户以您现在看到的形式输入的，那么我们可以假设没有验证，原始程序只会存储用户输入的任何内容。如果是这样的话，你就不能得到100%的准确率：人类总是会故意或无意地犯错误。预计会出现此类人为错误：

• 缺少字段（即：仅注册，无车辆信息-或相反）
• 无意义的词语重复（例如：“Ford K-TU 69 YUP”）
• 丢失的字母、重复的字母、多余的垃圾字母。示例：“对于K-T69YUP”
• 字段顺序错误
• 其他你做梦也想不到的小错误
• 普通的垃圾，连人都看不懂

你可能已经猜到了，在处理直接输入文本字段的人工输入数据时，我有点悲观。我非常不幸地处理了一个数据库，其中所有数据都是文本，没有验证：你能猜到人们在未验证的日期字段中键入的允许用户自由输入的胡说八道吗

计划 事情不像看上去那么黑暗，你可能可以“修复”很多事情。这里的诀窍是确保您只修复不含糊的数据，并让人工筛选其余内容。最简单的方法是这样做：

• 查看您拥有的数据，这些数据尚未自动修复。找出一条明确适用于大量记录的规则
• 应用明确的规则
• 重复此操作，直到只剩下几条记录。这些应该用手来固定，因为它们抵制所有应用的自动方法

实施 我强烈建议在所有测试中使用正则表达式，因为最终肯定会实现许多不同的测试，正则表达式可以轻松地“表达”搜索文本中的细微变化。例如，以下reg ex可以解析所有4个示例并给出正确的结果：

(.*?)(\ {1,3}-\ {1,3})?(\b[A-Z]{2}\ {0,2}[0-9]{2}\ {0,3}[A-Z]{3}\b)

如果您以前从未使用过正则表达式，那么单个表达式看起来很难理解，但实际上非常简单。这不是一个reg-ex问题，所以我不打算透露任何细节。我宁愿解释一下我是如何想出这个主意的

首先，如果文本中包含车辆登记号码，那么这些号码的格式将非常严格：它们很容易匹配。根据您的示例，我假设所有注册号的形式如下：

LLNNLLL

其中“L”是字母，“N”是数字。我的正则表达式对它的解释很严格：它只需要两个大写字母，后跟少量空格（或没有空格），后跟两个数字，后跟少量空格（或没有空格），最后后跟3个大写字母。正则表达式中处理这一问题的部分是：

[A-Z]{2}\ {0,2}[0-9]{2}\ {0,3}[A-Z]{3}

正则表达式的其余部分确保注册号没有嵌入到其他单词中，处理将文本分组到捕获组的问题，并为VehicleModel创建一个“惰性捕获组”

如果我自己实现这个，我可能会编写一个“master”函数和一些更简单的“case”函数，每个函数处理用户输入中的一种变化。例如：

// This function does a validation of the extracted data. For example it validates the
// Registration number, using other, more precise criteria. The parameters are VAR so the
// function may normalize the results.
function ResultsAreValid(var Make, Registration:string): Boolean;
begin
  Result := True; // Only you know what your data looks like and how it can be validated.
end;

// This is a case function that deals with a very rigid interpretation of user data
function VeryStrictInterpretation(const Text:string; out Make, Registration: string): Boolean;
var TestMake, TestReg: string;
    // regex engine ...
begin
  Result := False;
  if (your condition) then
    if ResultsAreValid(TestMake, TestReg) then
    begin
      Make := TestMake;
      Registration := TestReg;
      Result := True;
    end;    
end;

// Master function calling many different implementations that each deal with all sorts
// of variations of input. The most strict function should be first:
function MasterTest(const Text:string; out Make, Registration: string): Boolean;
begin
  Result := VeryStrictInterpretation(Text, Make, Registration);
  if not Result then Result := SomeOtherImplementation(Text, Make, Registration);      
  if not Result then Result := ThirdInterpretation(Text, Make, Registration);      
end;

---

这里的想法是尝试制作多个简单的程序，每个程序以明确的方式理解一种输入；确保每一步都不会出现误报！最后，别忘了，人类应该处理最后几个案例，所以不要指望解决所有问题。

要做到这一点，您需要一个分隔字符串的独特分隔符。只有在数据本身不包含该分隔符的情况下，或者在所有字符串上都是唯一的情况下，该分隔符不包含多次。考试中