我有一个Web服务,它从NCLOB列中提取文本并通过
XML返回数据. NCLOB列通过从文档中提取文本来填充,因此有时会在XML中放置无效的XML字符,从而导致使用系统失败.
如per the W3C所示,有效字符的范围是：
#x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] /* any Unicode character,excluding the surrogate blocks,FFFE,and FFFF. */
我们已经尝试了一些不同的RegExp模式,我们已经接近了,但我们尚未完全实现.这是我们最接近的.除了高代理项(DB9B-DBFF)之外,所有无效字符都被替换.
REGEXP_REPLACE(
TEXT,'[^[:print:]' || chr(13) || chr(10) || ']|[' || UNISTR('\FFFE-\FFFF') || ']','*')
我们也尝试了这一点,但没有一个替代品(D800 – DFFE)被替换.
REGEXP_REPLACE(REPLACE(TEXT,unistr('\0000'),' '),'[' || unistr('\0001-\0008') || ']'
|| '|[' || unistr('\000B-\000C') || ']'
|| '|[' || unistr('\000E-\001F') || ']'
|| '|[' || unistr('\D800-\DFFF') || ']'
|| '|[' || unistr('\FFFE-\FFFF') || ']',' ')
我们怎样才能匹配高代理人？任何想法或指导都将非常感激.
解决方法
您可以编写自己的函数,因为regex_replace似乎不适用于高代理.这是一个例子(在9.2和11.2上测试)：
CREATE OR REPLACE FUNCTION replace_invalid(p_clob NCLOB) RETURN NCLOB IS
l_result NCLOB;
l_char NVARCHAR2(1 char);
BEGIN
FOR i IN 1 .. length(p_clob) LOOP
l_char := substr(p_clob,i,1);
IF utl_raw.cast_to_binary_integer(utl_raw.cast_to_raw(l_char))
BETWEEN to_number('DB9B','xxxx') AND to_number('DBFF','xxxx') THEN
l_result := l_result || N'*';
ELSE
l_result := l_result || l_char;
END IF;
END LOOP;
RETURN l_result;
END;
它应该运行大型NCLOB,这是一个带clob>的示例. 32k字符：
sql> DECLARE 2 l_in NCLOB; 3 l_out NCLOB; 4 BEGIN 5 FOR i IN 1 .. to_number('DBFF','xxxx') LOOP 6 l_in := l_in || nchr(i); 7 END LOOP; 8 dbms_output.put_line('l_in length:' || length(l_in)); 9 l_out := replace_invalid(l_in); 10 dbms_output.put_line('l_out length:' || length(l_out)); 11 dbms_output.put_line('chars replaced:' 12 || (length(l_out) - length(REPLACE(l_out,'*','')))); 13 END; 14 / l_in length:56319 l_out length:56319 chars replaced:102
