ORACLE_从字符串中提取汉字（不包括全角符及日文韩文等字符）

转载自：http://blog.csdn.net/atgc/article/details/2036799

感谢网友 ATGC ，这个问题研究了一天，终于搞定！！


从表里提取汉字, 需要考虑字符集, 不同的字符集汉字的编码有所不同

这里以GB2312为例, 写一函数准确地从表里提取简体汉字.

假设数据库字符集编码是GB2312, 环境变量(注册表或其它)的字符集也是GB2312编码

并且保存到表里的汉字也都是GB2312编码的

那么也就是汉字是双字节的，且简体汉字的编码范围是

B0A1 - F7FE

换算成10进制就是

B0  A1    F7  FE

176,161 - 247,254

我们先看一下asciistr函数的定义

Non-ASCII characters are converted to the form /xxxx, where xxxx represents a UTF-16 code unit.

但是这并不表示以 "/" 开始的字符就是汉字了

举例如下

SQL> select * from test;

NAME

--------------------

,啊OO10哈

你好aa

大家好aa/

☆大海123

★ABC

这里第5条记录有一个实心的五角星

然后用asciistr函数转换一下试试

SQL> select name,asciistr(name) from test;

NAME                 ASCIISTR(NAME)

-------------------- ----------------------

,啊OO10哈            ,/554AOO10/54C8

你好aa               /4F60/597Daa

大家好aa/            /5927/5BB6/597Daa/

☆大海123            /2606/5927/6D77123

★ABC                /2605ABC

我们看到最后一条记录的实心五角星也是 "/"开头的

此时我们就不能用asciistr(字段)是否存在 "/" 来判断是否含有汉字了.

我的函数如下，基本思路是判断字符的编码是否在GB2312规定的汉字编码范围之内

create or replace function get_chinese(p_name in varchar2) return varchar2
as
v_code     varchar2(30000) := '';
v_chinese  varchar2(4000)  := '';
v_comma    pls_integer;
v_code_q   pls_integer;
v_code_w   pls_integer;
begin
if p_name is not null then
select replace(substrb(dump(p_name,1010),instrb(dump(p_name,1010),'ZHS16GBK:')),'ZHS16GBK: ','') into v_code from dual where rownum=1;
for i in 1..length(p_name) loop
if lengthb(substr(p_name,i,1))=2 then
v_comma  := instrb(v_code,',');
v_code_q := to_number(substrb(v_code,1,v_comma-1));
v_code_w := to_number(substrb(v_code,v_comma+1,abs(instrb(v_code,',',1,2)-v_comma-1)));
if v_code_q>=176 and v_code_q<=247 and v_code_w>=161 and v_code_w<=254 then
v_chinese := v_chinese||substr(p_name,i,1);
end if;
v_code := ltrim(v_code,'1234567890');
v_code := ltrim(v_code,',');
end if;
v_code := ltrim(v_code,'1234567890');
v_code := ltrim(v_code,',');
end loop;
return v_chinese;
else
return '';
end if;
end;

好，现在来执行一些语句

SQL> select * from test;

NAME

--------------------

,啊OO10哈

你好aa

大家好aa/

☆大海123

★ABC

5 rows selected.

1. 列出有汉字的记录

SQL> select name from test where length(get_chinese(name))>0;

NAME

--------------------

,啊OO10哈

你好aa

大家好aa/

☆大海123

4 rows selected.

2. 列出有汉字的记录，并且只列出汉字

SQL> select get_chinese(name) from test where length(get_chinese(name))>0;

GET_CHINESE(NAME)

---------------------------------------------------------------------------

啊哈

你好

大家好

大海

4 rows selected.

需要说明的是GB2312共有6763个汉字，即72*94-5=6763

我这里是计算72*94，没有减去那5个，那五个是空的。等查到了再减去

============

改写这个函数，可以提取非汉字或者汉字

该函数有两个参数，第一个表示要提取的字符串，第二个是1，表示提取汉字，是非1，表示提取非汉字

create or replace function get_chinese
(
p_name    in varchar2,
p_chinese in varchar2
) return varchar2
as
v_code         varchar2(30000) := '';
v_chinese      varchar2(4000)  := '';
v_non_chinese  varchar2(4000)  := '';
v_comma        pls_integer;
v_code_q       pls_integer;
v_code_w       pls_integer;
begin
if p_name is not null then
select replace(substrb(dump(p_name,1010),instrb(dump(p_name,1010),'ZHS16GBK:')),'ZHS16GBK: ','') into v_code from dual where rownum=1;
for i in 1..length(p_name) loop
if lengthb(substr(p_name,i,1))=2 then
v_comma  := instrb(v_code,',');
v_code_q := to_number(substrb(v_code,1,v_comma-1));
v_code_w := to_number(substrb(v_code,v_comma+1,abs(instrb(v_code,',',1,2)-v_comma-1)));
if v_code_q>=176 and v_code_q<=247 and v_code_w>=161 and v_code_w<=254 then
v_chinese := v_chinese||substr(p_name,i,1);
else
v_non_chinese := v_non_chinese||substr(p_name,i,1);
end if;
v_code := ltrim(v_code,'1234567890');
v_code := ltrim(v_code,',');
else
v_non_chinese := v_non_chinese||substr(p_name,i,1);
end if;
v_code := ltrim(v_code,'1234567890');
v_code := ltrim(v_code,',');
end loop;
if p_chinese = '1' then
return v_chinese;
else
return v_non_chinese;
end if;
else
return '';
end if;
end;

    

SQL> select * from a;

NAME

--------------------

我们啊、

他（艾呀）是★们

他的/啊@

SQL> select get_chinese(name,1) from a;

GET_CHINESE(NAME,1)

-----------------------------------------

我们啊

他艾呀是们

他的啊

SQL> select get_chinese(name,0) from a;

GET_CHINESE(NAME,0)

-----------------------------------------

、

（）★

/@

SQL>

不过后来，发现这个函数扫描不出非常见字，如下：（不过一般常用的字都能扫出来）



如果有需求，需求对这些非常见字也要进行筛选，那么：

全半角的问题可以通过函数TO_SINGLE_BYTE强制将全角转换成半角再进行计算，字符在中文状态下输入系统识别就是双字节无法区分：

SELECT *  FROM zk.cm_customer  WHERE lengthb(TO_SINGLE_BYTE(cust_name))-lengthc(TO_SINGLE_BYTE(cust_name)) >= 2;