Nano Hash - криптовалюты, майнинг, программирование

Как удалить ненужные числа и/или специальные символы из поля String в SSIS или SQL

Я новичок в SSIS. Я пытаюсь извлечь данные из SharePoint и загрузить данные в SQL Server 2012. Большинство полей работают нормально, кроме одного. Я получаю нежелательные значения (случайное число и символ #), например

117;#00.010;#120;#00.013

где я хочу отображать

00.010;00.013

Я пытался использовать приведенный ниже код в столбце «Производные», но все равно не повезло.

REPLACE([Related Procedure], SUBSTRING([Related Procedure], 1, FINDSTRING([Related Procedure], "#", 1)), "")

и это результат, который я получаю, если использую приведенный выше код

00.010;#120;#00.013

Мой желаемый результат

00.010;00.013
sql sql-server etl ssis-2012
10.01.2020

Ответы:


1

Обратите внимание, что здесь используется TSQL, а не выражение SSIS. Ниже приведено решение, которое будет работать в SQL Server 2017 или новее. STRING_AGG — это SQL SERVER 2017 или новее и STRING_SPLIT — это SQL SERVER 2016 или новее.

Я использую STRING_SPLIT, чтобы разбить строку на ;, затем STRING_AGG, чтобы повторно объединить части, которые вы хотите сохранить. Я добавил еще одну запись в свой пример, чтобы продемонстрировать, как вам нужно GROUP BY, чтобы сохранить значения в отдельных строках, иначе все ваши значения вернутся в одну строку.

CREATE TABLE #MyTable
(
    Id INT IDENTITY(1,1)
    , [Related Procedure] VARCHAR(100)
)

INSERT INTO #MyTable VALUES
('117;#00.010;#120;#00.013')
, ('118;#00.011;#121;#00.014')

SELECT
    STRING_AGG(REPLACE([value], '#', ''), ';')
FROM 
    #MyTable
    CROSS APPLY STRING_SPLIT([Related Procedure], ';')
WHERE
    [value] LIKE '%.%'
GROUP BY
    Id
10.01.2020
  • Виноват. Моя база данных SQL-сервера в версии 2012 года. 21.01.2020

    • 2

    Пожалуйста, попробуйте это:

    IF (OBJECT_ID('tempdb..#temp_table') IS NOT NULL)
    BEGIN
      DROP TABLE #temp_table
    END;
CREATE TABLE #temp_table
(
id int identity(1,1),
    String VARCHAR(MAX)
)

INSERT #temp_table SELECT '117;#00.010;#120;#00.013'

;with tmp (id, value)as (
SELECT  id, replace(value, '#','')   
FROM #temp_table  
CROSS APPLY STRING_SPLIT(String, ';')
where value like '%.%'
)
SELECT  STUFF((SELECT '; ' + value -- or CAST(value AS VARCHAR(MAX)) [text()]
 from tmp
 where id=  t.id
 for xml path(''), TYPE) .value('.','NVARCHAR(MAX)'),1,2,' ') value
 FROM tmp t

    или, поскольку версия вашего сервера sql 2017, вы можете использовать STRING_AGG вместо STUFF для объединения строк, возвращенных через CTE.

    SELECT STRING_AGG(value, NVARCHAR(MAX)) AS csv FROM tmp group by id;
    10.01.2020
    Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..