如何在SQL Server中进行regex HTML标签替换？

Question

我在SQL Server2005中有一个包含数百行HTML内容的表。其中一些内容包含HTML，如：

<span class=heading-2>Directions</span>

其中的“方向”根据页面名称的不同而变化。

我需要将所有的<span class=heading-2>和</span>标记更改为<h2>和</h2>标记。

我以前编写此查询是为了更改内容，但由于结尾HTML标记的原因，它不适用于我当前的问题：

Update  ContentManager
Set ContentManager.Content = replace(Cast(ContentManager.Content AS NVARCHAR(Max)), 'old text', 'new text')

有没有人知道我怎样才能完全用T- h2替换掉SQL？我发现的一切都表明我必须进行CLR集成。谢谢!

Answer 1

事实上，T-SQL本身并不支持正则表达式，这就是选择正则表达式作为工具的那类问题。首先，我要说的是，解决方案中的复杂程度在很大程度上取决于数据的一致性。例如，假设我们搜索标题为：

Select ..
From ...
Where HtmlContent Like '<span class="heading-2">%'

这假设span和class之间没有额外的空格，并且在结束括号前的最后一个双引号之后也没有额外的空格。我们可以编写'%<span%class="heading-2"%>%'来说明空格，但这也会在与任何span标记相同的内容中找到标记为heading-2的div标记。如果后一种情况不应该发生，但是您可能有不同的空格，那么使用这个修改过的模式。我们真正会遇到麻烦的地方是结束标签。假设我们的内容是这样的：

<span class="heading-2"> Foo <span class="heading-3">Bar</span> And Gamma Too</span> .... <span class="heading-4">Fubar Is the right way!</span>...

要找到正确的span结束标记来更改为</h2>并非易事。您不能简单地找到第一个</span>并将其更改为</h2>。如果您知道没有嵌套的span标记，那么您可以编写一个用户定义的函数来执行此操作：

Create Function ReplaceSpanToH2( @HtmlContent nvarchar(max) )
Returns nvarchar(max)
As
Begin
    Declare @StartPos int
    Declare @EndBracket int

    Set @StartPos = CharIndex('<span class="heading-2">', @HtmlContent)
    If @StartPos = 0
        Return @HtmlContent

    Set @HtmlContent = Replace(@HtmlContent, '<span class="heading-2">', '<h2>')

    -- find next </span>
    Set @StartPos = CharIndex('</span>', @HtmlContent, @StartPos)

    Set @HtmlContent = Stuff(@HtmlContent, @StartPos, 7, '</h2>')
    Return @HtmlContent
End

Answer 2

如果您肯定所有都是有效的，且您使用的是SQL Server 2005或更高版本，则可以将列转换为XML数据类型并使用XQuery。请参阅http://msdn.microsoft.com/en-us/library/ms345117%28SQL.90%29.aspx

(注意:我还没有尝试过。)

不过，我认为最好的答案是Michael Petito的评论。我会写一个应用程序来做这件事，并使用Html Agility Pack。这将提供一个永久的、可维护的解决方案，几乎在所有情况下都可以工作。

(如果这是一次性的，并且你不关心准确性，那么选择你的毒药。)

Answer 3

我对SQL Server并不是很在行，但下面是我尝试做到这一点的方法：

UPDATE TableName SET FieldName = REPLACE(FieldName ,'<span class=heading-2>', '<h2>') SET FieldName = REPLACE(FieldName, '</span>', '</h2>')

可能需要发出2条UPDATE语句，我不确定您是否可以以这种方式对同一字段进行操作。操作员确实说出了文本的所有出现。如果我遗漏了什么，请纠正我。

当然，如果有其他您不想更改的<span class=heading-2>或</span>文本，这将不起作用。