SQL Server：选择在 VARCHAR(MAX) 列中具有任何 HTML 实体的记录

Question

我有一个表

MyTable(id INT, stringText varchar(max))

，其中包含超过 200 万条记录。 我想编写一个查询来分析文本中具有以下任何字符（HTML 实体）的行数。

　
 

fi
fl
’
 
–
—
’
“
•
€
‚
ƒ
„
…
†
‡
ˆ
‰
Š
‹
Œ
Ž
‘
’
“
”
•
–
—
˜
™
š
›
œ
ž
Ÿ
¡
¢
£
¤
¥
¦
§
¨
©
ª
«
¬
®
¯
°
±
²
³
´
µ
¶
·
¸
¹
º
»
¼
½
¾
¿
À
Á
Â
Ã
Ä
Å
Æ
Ç
È
É
Ê
Ë
Ì
Í
Î
Ï
Ð
Ñ
Ò
Ó
Ô
Õ
Ö
×
Ø
Ù
Ú
Û
Ü
Ý
Þ
ß
à
á
â
ã
ä
å
æ
ç
è
é
ê
ë
ì

有人可以帮我写一个高效的

WHERE CLAUSE

来找出行数吗？

我尝试了类似下面的方法，但它没有给我预期的结果。

DECLARE @testStr AS VARCHAR(MAX) = 'testing - quote chars and others '+ '"' + '　'+ ' ' + '' + '- testing'
DECLARE @temp TABLE (string VARCHAR(MAX));
INSERT INTO @temp(string) VALUES ('testing - plain text'), (@testStr), ('testing' + CHAR(1) + CHAR(2) + CHAR(3) + CHAR(4)+ ' testing 1-4'), ('sathish' + CHAR(1) + ' testing - char 1'), ('sathish' + CHAR(3) + CHAR(4)+ ' testing - char 3-4')

SELECT * FROM @temp WHERE string LIKE '%[' + CHAR(1) + CHAR(2) + CHAR(3) + CHAR(4) + ']%' /* this where clause works fine, i.e. only returns the rows with any of those characters*/
SELECT * FROM @temp WHERE string LIKE '%[' + '"' + '　' + ' ' + '' + ']%' /* this where clause doesn't work as expected, it is returning all rows*/

我假设第二个

WHERE CLAUSE

查询中的

SQL

不起作用，因为单引号中包含多个字符（这使其成为字符串而不是字符）。

提前谢谢您。

注意： 1. 数据已经在数据库中（请不要问为什么在保存到数据库之前没有处理），不幸的是我无法使用 SQL CLR 函数。

2. 我想避免使用多个 OR 子句，如下所示：

SELECT * FROM @temp 
WHERE string LIKE '%"' 
OR string LIKE '%　%' 
OR string LIKE '% %' 
OR string LIKE '5%' -- and so on

Answer 1

您可以尝试将所有实体作为 WHERE 子句的 IN 部分中的字符串元素

SELECT COUNT(*) FROM @temp
WHERE SUBSTRING(
   string, 
   PATINDEX('%&%',string),
   PATINDEX('%;%',string) - PATINDEX('%&%',string) + 1
) IN ('É', 'Ê', 'Ë', 'Ì', 'Í',
 '...', '...' ,a.s.o)

或使用特殊的实体表，在其中插入所有实体。那么你的IN部分看起来像这样

IN (SELECT entities FROM entities-table)

由于我没有办法测试，我只能提出一个可能的改进，以便找到';'是在找到的'&'后面

SELECT COUNT(*) FROM @temp
WHERE SUBSTRING(
   string, 
   PATINDEX('%&%',string),
   PATINDEX('%;%',  SUBSTRING(string, PATINDEX('%&%',string), max ) - PATINDEX('%&%',string) + 1
) IN ('É', 'Ê', 'Ë', 'Ì', 'Í',

Answer 2

您需要做的是在

OR

子句中使用

WHERE

，如下所示：

SELECT * FROM @temp 
WHERE string LIKE '%"%' 
OR string LIKE '%　%' 
OR string LIKE '% %' -- etc.

Answer 3

尝试在 WHERE 子句中使用 OR 和 N'...' 作为 HTML 实体，如下所示：

SELECT * FROM @temp 
WHERE string LIKE N'%☑%' 
OR string LIKE N'%🎃%' 
OR string LIKE N'%🍰%'