oracle - 如何在 Oracle DB 中选择具有 4 字节 UTF-8 字符的行？

Question

我需要检测我的表是否有 4 字节的 UTF-8 字符，如果有则删除它们。我尝试了以下 SQL，但它们返回错误 ORA-12726:正则表达式中不匹配的括号。所有括号都匹配，因此错误不正确。

select REGEXP_REPLACE(asd𠜎aasd', 
  '[' 
  || UTL_I18N.RAW_TO_CHAR ('010000', 'UTF8') 
  || '-' 
  || UTL_I18N.RAW_TO_CHAR ('01FFFF', 'UTF8') 
  || ']', '') 
from dual;

select REGEXP_REPLACE('asd𠜎aasd', 
  '[' 
  || chr(to_number('010000', 'xxxxxx')) 
  || '-' 
  || chr(to_number('01FFFF', 'xxxxxx')) 
  || ']', '') 
from dual;

这些查询有什么问题？

你知道如何按字符代码点范围查找行吗？

Answer 1

您可以使用 the UNISTR function ; 𠜎 字符是 codepoint U+2070E ，在 UTF-16 中是 D841DF0E。如文档所述:

Supplementary characters are encoded as two code units, the first from the high-surrogates range (U+D800 to U+DBFF), and the second from the low-surrogates range (U+DC00 to U+DFFF).

这意味着您可以用以下方式表示它:

select unistr('\D841\DF0E') from dual;

UNISTR('\D841\DF0E')
--------------------
𠜎

然后您可以使用 UNISTR 来构造您的范围:

select REGEXP_REPLACE('asd𠜎aasd', 
  '[' 
  || UNISTR('\D800\DC00') 
  || '-' 
  || UNISTR('\DBFF\DFFF') 
  || ']', '') 
from dual;

REGEXP_REPLACE('ASD𠜎AASD','['||UNISTR('\D800\DC00')||'-'||UNISTR('\DBFF\DFFF')||']','')
----------------------------------------------------------------------------------------
asdaasd

假设您要排除所有增补字符；如果焦点更窄，您可以调整范围。