根据特定子字符串短语从中获取数字值

Question

我有以下的字母和数字混合文本。

 ID Textfield
 1  estimated left ventricular ejection fraction 60-65%
 2  estimated left ventricular ejection fraction is 55-60%
 3  Left ventricular ejection fraction is approximately 40 to 50%
 4  Fractional Short 50 %( 28-48) LV mass 83 gm (<220) systolic function  left ventricular ejection fraction = 52 % 

我需要提取左室射血分数的数字值。

输出应为：

ID Lowerbound   Upperbound
1   60            65
2   55            60
3   40            50
4   52            NULL 

我尝试了下面的SQL语法来查询字符 - 对于ID 3和4它没有成功（对于ID 4，它给出了50，但应该是52）。

SELECT SUBSTRING(textfield,CHARINDEX('-', 
textfield)-1,10),dbo.udf_GetNumeric(RIGHT(left(textfield,CHARINDEX('- 
',textfield)-1 ),10))AS Lower_bound,left(textfield, CHARINDEX('-', 
textfield) )


,dbo.udf_GetNumeric(SUBSTRING(textfield,CHARINDEX('-', textfield)+1,5)) 
    AS Upper_bound

提前感谢你

- user3594484

---

您在文本框中输入的是自由格式文本，我相信简单的逻辑无法提取您想要的数字。我会采取的方法是，在创建数据（插入）的人员进行该过程时，我会制定一些规则，以确保可以正确提取数字。 - Surendra

很抱歉要说这个。但实际问题出在数据结构上。你应该创建额外的字段来保存相关的数字数据。如果你真的必须使用一个字段来保存所有这样的数据，那么请遵循任何文本格式，比如 CSV 或 XML 或者适合你的任何格式，但不要提出这样一种松散的数据结构。你也可以创建自己的小标准，比如 Frac='%';LFrac='60';HFrac='65'。 - Hamees A. Khan

这是一个不太适合使用SQL的用例。你不能使用像Python这样的工具来处理文本吗？ - Gordon Linoff

我的方法是逐行进行处理，在单词“左心室射血分数”后逐个解析字符，以查看它们是否为数字，然后相应地处理它们。虽然有点混乱，但对于这种情况应该可以工作。正如@GordonLinoff在上面提到的，这绝对是SQL的一个相当糟糕的用例。 - Daniel Marcus

@GordonLinoff 我没有文本字段的控制权。我同意这是一个糟糕的用例，但我正在根据要求寻找解决方案。 - user3594484

Answer 1

这将使用几个来逐渐靠近。一些替换使字符串可比较，从末尾开始的第一个空格是边界。其余部分相对容易理解。

DECLARE @tbl TABLE(ID INT, Textfield VARCHAR(500));
INSERT INTO @tbl VALUES
 (1,'estimated left ventricular ejection fraction 60-65%')
,(2,'estimated left ventricular ejection fraction is 55-60%')
,(3,'Left ventricular ejection fraction is approximately 40 to 50%')
,(4,'Fractional Short 50 %( 28-48) LV mass 83 gm (<220) systolic function  left ventricular ejection fraction = 52 % ');

SELECT ID
      ,Rev
      ,substr
      ,CASE WHEN hyph>0 THEN LEFT(substr,hyph-1) ELSE substr END AS LowerBound
      ,CASE WHEN hyph>0 THEN SUBSTRING(substr,hyph+1,10) ELSE NULL END AS UpperBound
FROM @tbl t
CROSS APPLY(SELECT REVERSE(RTRIM(REPLACE(REPLACE(t.Textfield,' to ','-'),' %','%')))) AS A(Rev)
CROSS APPLY(SELECT PATINDEX('% [^1-9]%',A.Rev)) AS B(pos)
CROSS APPLY(SELECT LTRIM(RTRIM(REPLACE(REVERSE(LEFT(A.Rev,B.pos)),'%','')))) AS C(substr)
CROSS APPLY(SELECT CHARINDEX('-',C.substr)) AS D(hyph);

- Shnugo

Answer 2

从技术上讲，这将解决您的 Upperbound 问题，至少在您的示例数据范围内：

CASE WHEN RIGHT(TextField, 4) LIKE '%-[1234567890]' + '%' 
    THEN Left(Right(TextField,3),2) 
WHEN RIGHT(TextField, 6) LIKE '%to [1234567890]%'
    THEN Left(Right(TextField,3),2) 
WHEN RIGHT(TextField, 6) LIKE '%= [1234567890]%'
    THEN Left(Right(TextField,4),2) 
END AS UpperBound

但是，你的示例数据真的很糟糕。

- ccarpenter32

---

了解，您可以使用“％[0-9]％”代替逐个书写数字。 - Daniel Marcus

Answer 3

请尝试使用此代码，并让我知道是否适用于您的全部数据集。这里的假设是：

1）数字总是在词组“左室射血分数”之后出现

2）在词组“左室射血分数”之后，除了定义下限和上限值的其他数字之外，没有其他数字

3）下限和上限始终从左到右排列（由小到大）

4）您起始表的名称是#temp

 declare @temp table (id int, field varchar(max))
 insert @temp

 select id, replace(right(Textfield, len(Textfield)-charindex('left ventricular ejection fraction', Textfield)+1),
'left ventricular ejection fraction','') field  
 from #temp 

 declare @holding table (id int, lowerbd varchar(max), upperbd varchar(max)) 
 declare @iterator int =1
 declare @prevfield varchar(max)
 declare @field varchar(max)
 declare @originalfield varchar(max)
 declare @number varchar(max)=''

 while @iterator<=(select max(id) from @temp)
 begin

 select @originalfield = field from @temp where id=@iterator

 while len(@originalfield) >0
 begin

 set @prevfield=@field

 select @field=left(@originalfield,1) 

 set @originalfield= 
 case 
 when len(@originalfield)>1 then substring(@originalfield, 2, len(@originalfield))
 else '' end 

 if  @field like '%[0-9]%'  
 begin
 set @number = @number+@field
 end
 if @field like '%[0-9]%' and @prevfield like '%[0-9]%'
 begin
     if not exists(select 1 from @holding where id= @iterator)
     begin
     insert @holding
     select @iterator, @number, null
     set @number=''
     end
     else   
     begin
     insert @holding
     select @iterator, null, @number
     set @number=''
     end

 end


end
set @iterator=@iterator+1
end

select id, max(lowerbd)lowerbd, max(upperbd)upperbd from @holding 
group by id

- Daniel Marcus

---

我认为这里不需要循环（甚至嵌套循环更糟）。这是过程式思维...也许有些情况下这种方法是适当的，但在这些情况下，我会说T-SQL是错误的工具。 - Shnugo

那么你会如何建议使用 T-SQL 来解决这个问题呢？OP 要求在此处使用 SQL Server，不能使用任何其他工具。 - Daniel Marcus

你上面的解决方案只适用于那4个示例行。我认为想法是提出一个解决方案，无论在“左心室射血分数”一词后提供什么文本，都能够起作用。 - Daniel Marcus

只需剪掉此片段之前的所有内容？我的解决方案查看字符串的结尾，而不查看之前的部分。 - Shnugo

你为什么认为这个特定的文本如此重要？ - Shnugo