MS SQL - Как извлечь номер телефона из длинной несогласованной строки

Question

У меня есть задача завершить, где мне нужно импортировать около 970 000 пользователей из чужой базы данных в наш. В исходной БД есть поле номера телефона, содержащее несколько телефонных номеров, объединенных в одну отвратительную строку.

Вот некоторые примеры данных:

|Home: 555-555-5555 Office: (555)-555-5555 Work: 5555555555| 
|Home: Office: 555\555-5555 Work: 555-555-5555| 
|Office: 555-555-5555 Home: (555)555-5555 some Comment here| 

Проблема, которые я бег в

1. Порядок чисел противоречив
2. Есть некоторые бесплатные текстовые комментарии валялись
3. Некоторые номера телефонов имеют разное форматирование.

Я бы предпочел сделать это с помощью SQL, если это возможно, и я очень уверен, делая это эффективным образом с минимальной ручной настройкой.

В моей БД у нас есть отдельные столбцы для каждого типа номера телефона, поэтому мне в основном нужно разбить эти строки на соответствующие столбцы.

Скажите, пожалуйста, если я что-нибудь уберу.

Answer 1

В этом коде, вам потребуется 3 дополнительные столбцы для хранения новых телефонных номеров

Это логика в коде

1. расщепляющие номера телефонов

2. резки выкл. текст перед первым 3 последними 3 числами в результате сплит-вывода

3. удаление нг чужеродные символы, используемые в номер телефона (только те, которые используются в образце)

4. вставляя замены сепараторов «-» в положении 7 и 4

5. группировки вверх данных

6. обновление таблицы

образец данных:

DECLARE @t table 
    (phone varchar(500), home varchar(50), work varchar(50), office varchar(50)) 
INSERT @t(phone) values 
('Home: 555-555-5551 Office: (555)-555-5555 Work: 5555555552|'), 
('|Home: Office: 555\555-5555 Work: 555-555-5555|'), 
('|Office: 555-555-5555 Home: (555)555-5555 some Comment here|') 

Update:

;WITH CTE as 
(
    SELECT 
     nid,work, home, office, 
     t.c.value('.', 'VARCHAR(2000)') phone 
    FROM (
     SELECT 
      row_number() over(order by (select 1)) nid, work, home,office, 
      x = CAST('<t>' + 
       REPLACE(REPLACE(REPLACE(phone, 'Work', '</t><t>work') 
       ,'Office', '</t><t>Office'), 'Home', '</t><t>Home') 
       + '</t>' AS XML) 
     FROM @t -- replace @t with your table 
    ) a 
    CROSS APPLY x.nodes('/t') t(c) 
    WHERE t.c.value('.', 'VARCHAR(2000)') like '%[0-9][0-9][0-9]%' 
), CTE2 as 
(
SELECT 
work,max(case when phone like '%work%' then z end) over(partition by nid)nwork, 
home,max(case when phone like '%home%' then z end) over(partition by nid)nhome, 
office,max(case when phone like '%office%' then z end) over(partition by nid)noffice 
FROM cte t 
CROSS APPLY(SELECT REVERSE(SUBSTRING(phone,PATINDEX('%[0-9][0-9][0-9]%', phone), 20))x)y 
CROSS APPLY(SELECT STUFF(STUFF(REPLACE(REPLACE(REPLACE(REVERSE(
    SUBSTRING(x, PATINDEX('%[0-9][0-9][0-9]%', x), 20)), ')', ''), '\', ''), 
    '-', ''),7,0, '-'),4,0,'-')z)v ) 
UPDATE CTE2 
SET work = nwork, home = nhome, office = noffice 

SELECT home,work,office FROM @t 

Результат:

home   work   office 
555-555-5551 555-555-5552 555-555-5555 
NULL   555-555-5555 555-555-5555 
555-555-5555 NULL   555-555-5555 

Answer 2

Использование T-SQL для этой задачи не было бы лучшим выбором. Ближайшим решением было бы создание сборки CLR, которая использовала бы функциональность RegEx, доступную в .NET.

Однако вы также можете изучить Data Quality Services. Это компонент SQL Server, который был создан для этого конкретного типа задач - ручная очистка, унификация, дедупликация и т. Д. Однако для этого требуется BI или Enterprise edtion SQL Server.