截取字符串中最后一个中文词语(MS SQL)

有朋友需求一个问题，就是处理一张表中某一字段，从这个字段中去截取内容中最后一个中文词语。

ID	SourceText	Result
1	张达:U:1杨英苹:U:1,周忱:U:1,;苗桥:U:1,章玮:U:1,;	
2	gaoying,高颖:U;	
3	gaoying,高颖:U;	
4	mq,苗桥;dingjian,丁健:U;zhangwei,章玮;zc,周忱;	
5	xwj,向文杰;	
6	dingjian,丁健;	
7	mq;chendeyong;	
8	gy,郭颖;	
9	houwenjun,侯文君;lj,李军;sunle,孙乐;	
10	dingjian,丁健:U;	
11	dingjian,丁健:U;zhangwei,章玮;	
12	wwm,王文明;zkl,张康亮;jiangyuan,蒋远;fyj,范云军;	
13	dingjian,丁健;	
14	fyj,范云军;wwm,王文明;zkl,张康亮;	
15	lww,陆维巍;

Source Code

创建一个张来存储上面的数据：

SET ANSI_NULLS ON
GO

SET QUOTED_IDENTIFIER ON
GO

CREATE TABLE [dbo].[DataSource](
    [ID] [int] IDENTITY(1,1) NOT NULL,
    [SourceText] [nvarchar](100) NULL, --原始值
    [Result] [nvarchar](100) NULL --处理结果
) ON [PRIMARY]

GO

Source Code

另外，你还要创建另外一张表，用来存储所有字符串中，分隔符号：

SET ANSI_NULLS ON
GO

SET QUOTED_IDENTIFIER ON
GO

CREATE TABLE [dbo].[Punctuation](
    [ID] [int] IDENTITY(1,1) NOT NULL,
    [Name] [nvarchar](2) NULL
) ON [PRIMARY]

GO

Source Code

把所有分隔的标点符号，添加入此表中：

处理数据，我们需要分好次来进行，先去除字母和数字：

得到的结果：

接下来，我们去除字符串的标点字符：

这一步，运行的结果如下：

越来越接近我们需求的结果了：
此时，我需要对处理的结果，再次处理，得需要了解下面二个函数：
《使用XQuery的nodes()方法实现字符拆分》http://www.cnblogs.com/insus/archive/2012/02/26/2368283.html
或
《MS SQL Server字符拆分函数》http://www.cnblogs.com/insus/p/3163564.html

其实二个函数，最终处理结果是一样的。就是分割字符串，然后放在一张表中

回到刚才的代码中，我们只管添加一行代码即可实现了我们的要求：

    DECLARE @r INT = 1,@rs INT = 0
    SELECT @rs = MAX([ID]) FROM [dbo].[DataSource]

    WHILE @r <= @rs 
    BEGIN
        DECLARE @Text NVARCHAR(100)
        SELECT @Text = [SourceText] FROM [dbo].[DataSource] WHERE [ID] = @r

         WHILE PATINDEX('%[A-Za-z0-9]%',@Text) > 0     
            SET @Text = STUFF(@Text,PATINDEX('%[A-Za-z0-9]%',@Text),1,' ')          

        
        DECLARE @x INT = 1,@xs INT = 0
        SELECT @xs = MAX([ID]) FROM [dbo].[Punctuation]

        WHILE @x <= @xs
        BEGIN
            DECLARE @p NVARCHAR(2) 
            SELECT @p = [Name]  FROM [dbo].[Punctuation] WHERE [ID] = @x    
            SET @Text = RTRIM(LTRIM(REPLACE(@Text,@p,' ')))                
            SET @x = @x + 1
        END

        SELECT TOP 1 @Text = [WORD] FROM [dbo].[udf_Split](@Text,' ') WHERE LEN(ISNULL([WORD],''))> 0  ORDER BY [ID] DESC

        UPDATE  [dbo].[DataSource] SET [Result] = @Text  WHERE  [ID] = @r

        SET @r = @r + 1
    END
GO

Source Code

结果如下：

OK，这就是实现的全部过程。但是，我们应该不满足上面的代码。既然都使用正则来去除字母，数字，那标点符号可以使用正则来去除对吧。
所以说，我们不必再创建一个表来存储标点符号了。

DECLARE @r INT = 1,@rs INT = 0
    SELECT @rs = MAX([ID]) FROM [dbo].[DataSource]

    WHILE @r <= @rs 
    BEGIN
        DECLARE @Text NVARCHAR(100)
        SELECT @Text = [SourceText] FROM [dbo].[DataSource] WHERE [ID] = @r
        
        WHILE PATINDEX('%[A-Za-z0-9:,;]%',@Text) > 0     
            SET @Text = STUFF(@Text,PATINDEX('%[A-Za-z0-9:,;]%',@Text),1,' ')

        SET @Text = LTRIM(RTRIM(@Text))


        SELECT TOP 1 @Text = [WORD] FROM [dbo].[udf_Split](@Text,' ') WHERE LEN(ISNULL([WORD],''))> 0  ORDER BY [ID] DESC

        UPDATE  [dbo].[DataSource] SET [Result] = @Text  WHERE  [ID] = @r

        SET @r = @r + 1
    END

Source Code

最终的结果一样，代码很了不少！！！