10 字符串集合的有序计算

这类任务是指字符串序列内或序列间的计算，常用于不规范数据的整理。SQL的基础数据类型（结果集）是无序集合，实现此类计算有天然障碍；涉及到记录级或字段级的序列时，SQL往往要转化成记录集合才能计算，代码冗长复杂，嵌入正则表达式会使代码短一些，但理解难度大，调试不便会加大这种难度。

例1：在数量不定的邮件列间去除重复并合并

数据源：客户邮件表（10/MailCollected.txt）用于数据收集，由一个客户字段和数量不定的邮件字段组成，同一个客户的邮件地址可能为空、可能重复。

目标：整理成规范的二维表，去除空的邮件地址，将邮件地址去重，用逗号合并成单一的Mail字段。

SPL代码：

A1：加载数据。

A2=A1.new(Client,~.array().m(2:):Mail) 根据A1新建二维表，Client字段照抄，Mail字段分几步计算，先用函数array将记录转为序列，再用函数m取序列的第2到最后1个成员。第1条记录如图：

.id@0() 继续计算，用 id 函数取唯一值，@0 表示去掉空值。第 1 条记录如图：

.concat@c() 继续计算，用 concat 函数将序列成员合并成一个字符串，@c 表示分隔符是逗号。

例2：提取NANP格式的电话号码

数据源：客户电话号码表（10/TelCollected.txt）用于数据收集，电话号码由数字和字符"()*#+-"组成，基本符合NANP格式，部分号码有国家码，部分号码是连续数字，但电话号码混在大字符串里。

目标：提取电话号码，整理成规范的二维表，规则有：1.每个telNo字段最多只有一个电话号码。2."tel"之后可能紧跟着电话号码，但没有"tel"则一定没有电话号码。3. 电话号码作为一个连续的字符串出现，遇到其他字符说明号码结束。

SPL代码：

A1：加载数据。

A2=A1.run(TelNo=substr(TelNo,"tel"))：修改TelNo字段，分为几步，先用substr函数取出标志"tel"后面的子串。

.split() 继续计算，用 split 函数将字符串拆分为字符序列。第 1 个字符序列如图。

.select@c(pos(“0123456789()*#+-”,~))继续计算，从序列的第 1 个成员开始取，直到遇到 "0123456789()*#+-" 之外的字符为止。函数 select 用于筛选，@c 表示从第 1 个成员开始取，遇到使条件为假的成员时停止。函数 pos 用于判断字符是否属于字符串。

.concat() 继续计算，将序列成员合并为字符串。

例3：找出至少含有 5 个连续按字母表排序的字母的字符串

数据源：某库表只有一列字符串（10/consecutive_5_str.txt），可能含有任意字符。

目标：从连续升序排列的子串中，找出最长的子串的长度大于等于 5 的字符串。 注意字母表顺序是A-Z和a-z，规定Z后面是a。

SPL代码：

A1：加载数据。

A2=A1.(str.split()) 按条件选出字符串，分为几步，先将字符串拆分成字符序列。第6、7、8个字符串如图：

.group@i(~<=~[-1] || !isalpha(~[-1])) 继续计算，将序列按条件分组，将按字母表排列的字符和每个非字母的字符分到不同的组。函数group用于分组但不汇总，@i表示按条件分组，~<=~[-1]表示当前字符小于上一个字符时开始新的分组，!isalpha(~[-1])表示上一个字符不是字母时开始新的分组，||表示或关系。第6、7、8个字符串如图：

.max(~.len())>=5 继续计算，选出组内成员数大于等于 5 的字符串。第 1-8 个字符串符合要求。

扩展阅读

(https://c.raqsoft.com.cn/article/1741686092621)
(https://c.raqsoft.com.cn/article/1741339210959)
(https://c.raqsoft.com.cn/article/1740479708849)
(https://c.raqsoft.com.cn/article/1734484380658)
(https://c.raqsoft.com.cn/article/1553131062284)
(https://c.raqsoft.com.cn/article/1553852557407)