截取字元串中最後一個中文詞語(MS SQL)

有朋友需求一個問題，就是處理一張表中某一欄位，從這個欄位中去截取內容中最後一個中文詞語。

ID	SourceText	Result
1	張達:U:1楊英蘋:U:1,周忱:U:1,;苗橋:U:1,章瑋:U:1,;	
2	gaoying,高穎:U;	
3	gaoying,高穎:U;	
4	mq,苗橋;dingjian,丁健:U;zhangwei,章瑋;zc,周忱;	
5	xwj,向文傑;	
6	dingjian,丁健;	
7	mq;chendeyong;	
8	gy,郭穎;	
9	houwenjun,侯文君;lj,李軍;sunle,孫樂;	
10	dingjian,丁健:U;	
11	dingjian,丁健:U;zhangwei,章瑋;	
12	wwm,王文明;zkl,張康亮;jiangyuan,蔣遠;fyj,範雲軍;	
13	dingjian,丁健;	
14	fyj,範雲軍;wwm,王文明;zkl,張康亮;	
15	lww,陸維巍;	

 
創建一個張來存儲上面的數據：

SET ANSI_NULLS ON
GO

SET QUOTED_IDENTIFIER ON
GO

CREATE TABLE [dbo].[DataSource](
    [ID] [int] IDENTITY(1,1) NOT NULL,
    [SourceText] [nvarchar](100) NULL, --原始值
    [Result] [nvarchar](100) NULL --處理結果
) ON [PRIMARY]

GO

另外，你還要創建另外一張表，用來存儲所有字元串中，分隔符號：

SET ANSI_NULLS ON
GO

SET QUOTED_IDENTIFIER ON
GO

CREATE TABLE [dbo].[Punctuation](
    [ID] [int] IDENTITY(1,1) NOT NULL,
    [Name] [nvarchar](2) NULL
) ON [PRIMARY]

GO

把所有分隔的標點符號，添加入此表中：

處理數據，我們需要分好次來進行，先去除字母和數字：

得到的結果：

接下來，我們去除字元串的標點字元：

這一步，運行的結果如下：

越來越接近我們需求的結果了：
此時，我需要對處理的結果，再次處理，得需要瞭解下麵二個函數：
《使用XQuery的nodes()方法實現字元拆分》http://www.cnblogs.com/insus/archive/2012/02/26/2368283.html
或
《MS SQL Server字元拆分函數》http://www.cnblogs.com/insus/p/3163564.html

其實二個函數，最終處理結果是一樣的。就是分割字元串，然後放在一張表中

回到剛纔的代碼中，我們只管添加一行代碼即可實現了我們的要求：

    DECLARE @r INT = 1,@rs INT = 0
    SELECT @rs = MAX([ID]) FROM [dbo].[DataSource]

    WHILE @r <= @rs 
    BEGIN
        DECLARE @Text NVARCHAR(100)
        SELECT @Text = [SourceText] FROM [dbo].[DataSource] WHERE [ID] = @r

         WHILE PATINDEX('%[A-Za-z0-9]%',@Text) > 0     
            SET @Text = STUFF(@Text,PATINDEX('%[A-Za-z0-9]%',@Text),1,' ')          

        
        DECLARE @x INT = 1,@xs INT = 0
        SELECT @xs = MAX([ID]) FROM [dbo].[Punctuation]

        WHILE @x <= @xs
        BEGIN
            DECLARE @p NVARCHAR(2) 
            SELECT @p = [Name]  FROM [dbo].[Punctuation] WHERE [ID] = @x    
            SET @Text = RTRIM(LTRIM(REPLACE(@Text,@p,' ')))                
            SET @x = @x + 1
        END

        SELECT TOP 1 @Text = [WORD] FROM [dbo].[udf_Split](@Text,' ') WHERE LEN(ISNULL([WORD],''))> 0  ORDER BY [ID] DESC

        UPDATE  [dbo].[DataSource] SET [Result] = @Text  WHERE  [ID] = @r

        SET @r = @r + 1
    END
GO

結果如下：

OK，這就是實現的全部過程。但是，我們應該不滿足上面的代碼。既然都使用正則來去除字母，數字，那標點符號可以使用正則來去除對吧。
所以說，我們不必再創建一個表來存儲標點符號了。

DECLARE @r INT = 1,@rs INT = 0
    SELECT @rs = MAX([ID]) FROM [dbo].[DataSource]

    WHILE @r <= @rs 
    BEGIN
        DECLARE @Text NVARCHAR(100)
        SELECT @Text = [SourceText] FROM [dbo].[DataSource] WHERE [ID] = @r
        
        WHILE PATINDEX('%[A-Za-z0-9:,;]%',@Text) > 0     
            SET @Text = STUFF(@Text,PATINDEX('%[A-Za-z0-9:,;]%',@Text),1,' ')

        SET @Text = LTRIM(RTRIM(@Text))


        SELECT TOP 1 @Text = [WORD] FROM [dbo].[udf_Split](@Text,' ') WHERE LEN(ISNULL([WORD],''))> 0  ORDER BY [ID] DESC

        UPDATE  [dbo].[DataSource] SET [Result] = @Text  WHERE  [ID] = @r

        SET @r = @r + 1
    END

最終的結果一樣，代碼很了不少！！！