代码之家 › 专栏 › 技术社区 › Gino_JrDataScientist

在Microsoft SQL Server上使用正则表达式模式提取最多三个不同长度的字符串

regex-lookarounds split regex sql-server

Gino_JrDataScientist · 技术社区 · 7 年前

目标

在Microsoft SQL Server表中,我有一个字符串列。该列最多包含三个指定疾病的所谓ICD代码。目标是从每行中提取最多三个长度不同的字符串,并将其存储在3列中。如果发现的代码少于三个,则可以使用NAs。例如,如果只有一个有效代码,则第一列应填充代码,其余两列应包含NAs。

背景

ICD代码的长度是可变的,并且是结构化的

[Letter][2 to 4 numbers][optional letter]

每行最多可包含3个ICD代码。这些代码没有被任何东西隔开,而是在彼此之后编写的。通常中间也有垃圾在中间。

我(在stackoverflow朋友的帮助下)编写了一个正则表达式,当在R中使用str\u match\u all函数时,它成功地提取了这三个代码。正则表达式是

(?i)(?=([A-Z]\\d{2,4}(?:[A-Z](?!\\d{2,4}))?))

问题是,我不知道如何在SQL Server中做到这一点。

(可选)如何将提取的字符串“管道化”为三列?

例子

我拥有的数据的一个最小示例可以在这里找到 http://sqlfiddle.com/#!6/a65f1

CREATE TABLE table1 (diagnosis varchar(100), diagnosis_1 varchar(10), diagnosis_2 varchar(10), diagnosis_3 varchar(10));
INSERT INTO table1 (diagnosis)
VALUES
("T038MFRACTURE"),
("M719BOCHCM531"),
("F900CF334M75");

预期结果

diagnosis, diagnosis_1,diagnosis_2,diagnosis_3
T038MFRACTURE,T038M,NULL,NULL
M719BOCHCM531,M719B,M531,NULL
F900CF334M75,F900C,F334,M75

1 回复 | 直到 7 年前

Gottfried Lesigang 7 年前

像这样的?

CREATE TABLE table1 (diagnosis varchar(100), diagnosis_1 varchar(10), diagnosis_2 varchar(10), diagnosis_3 varchar(10));
INSERT INTO table1 (diagnosis)
VALUES
('T038MFRACTURE'),
('M719BOCHCM531'),
('F900CF334M75');

WITH PosOfNonNumer AS
(
    SELECT diagnosis AS Original
          ,diagnosis
          ,1 AS PartIndex
          ,PATINDEX('%[A-Z][0-9]%',diagnosis) AS PosFound
          ,SUBSTRING(diagnosis,1,5) AS PartFound
          ,SUBSTRING(diagnosis,PATINDEX('%[A-Z][0-9]%',diagnosis)+2,1000) AS RestString
    FROM table1

    UNION ALL

    SELECT p.Original
          ,p.RestString
          ,p.PartIndex+1
          ,PATINDEX('%[A-Z][0-9]%',p.RestString) AS PosFound
          ,SUBSTRING(p.RestString,PATINDEX('%[A-Z][0-9]%',p.RestString),5) AS PartFound
          ,SUBSTRING(p.RestString,PATINDEX('%[A-Z][0-9]%', p.RestString)+2,1000) AS RestString
    FROM PosOfNonNumer AS p
    WHERE PATINDEX('%[A-Z][0-9]%',p.RestString)>0
)

--主查询使用条件聚合来透视结果

SELECT Original
      ,MAX(CASE WHEN PartIndex=1 THEN PartFound END) AS diag1 
      ,MAX(CASE WHEN PartIndex=2 THEN PartFound END) AS diag2 
      ,MAX(CASE WHEN PartIndex=3 THEN PartFound END) AS diag3 
      ,MAX(CASE WHEN PartIndex=4 THEN PartFound END) AS diag4 
FROM PosOfNonNumer
GROUP BY Original
GO

--clean-up
--DROP TABLE table1;

Original        diag1   diag2   diag3   diag4
F900CF334M75    F900C   F334M   M75     NULL
M719BOCHCM531   M719B   M531    NULL    NULL
T038MFRACTURE   T038M   NULL    NULL    NULL

最后你必须删掉一些角色。。。希望你能自己解决。。。