Existuje mnoho různých neviditelných postav. Mnoho z nich má vlastnost WSpace=Y ("mezera") v Unicode. Některé speciální znaky však nejsou považovány za „prázdné znaky“ a stále nemají žádnou viditelnou reprezentaci. Vynikající články Wikipedie o mezerách (interpunkci) a mezerách by vám měly poskytnout představu.
Standardní SQL trim() funkce ve výchozím nastavení ořízne pouze základní latinský znak mezery (Unicode:U+0020 / ASCII 32). Totéž s rtrim() a ltrim() varianty. Váš hovor také míří pouze na tuto konkrétní postavu.
Použijte regulární výrazy s regexp_replace() místo toho.
Trailing
Chcete-li odstranit všechna koncová bílá místa (ale ne prázdné místo uvnitř řetězec):
SELECT regexp_replace(eventdate, '\s+$', '') FROM eventdates;
Regulární výraz vysvětluje:\s ... zkratka třídy regulárních výrazů pro [[:space:]]
– což je sada mezer mezi znaky – viz omezení níže + ... 1 nebo více po sobě jdoucích shod$ ... konec řetězce
Demo:
SELECT regexp_replace('inner white ', '\s+$', '') || '|'
Vrátí:
inner white|
Ano, to je single zpětné lomítko (\ ). Podrobnosti v této související odpovědi:
- SQL vybere, kde sloupec začíná \
Vedení
Chcete-li odstranit všechna úvodní bílá místa (ale ne prázdné místo uvnitř řetězce):
regexp_replace(eventdate, '^\s+', '')
^ .. začátek řetězce
Oba
Chcete-li odebrat obě , můžete zřetězit výše uvedená volání funkcí:
regexp_replace(regexp_replace(eventdate, '^\s+', ''), '\s+$', '')
Nebo můžete obojí zkombinovat do jednoho hovoru se dvěma pobočkami .
Přidejte 'g' jako 4. parametr, který nahradí všechny shody, nejen první:
regexp_replace(eventdate, '^\s+|\s+$', '', 'g')
Ale to by mělo být obvykle rychlejší s substring() :
substring(eventdate, '\S(?:.*\S)*')
\S ... všechno ale mezera(?: re ) ... nezachycující sadu závorek.* ... libovolný řetězec 0-n znaků
Nebo jeden z těchto:
substring(eventdate, '^\s*(.*\S)')
substring(eventdate, '(\S.*\S)') -- only works for 2+ printing characters
( re ) ... Zachycení sady závorek
Efektivně převezme první znak bez mezer a vše až po poslední znak bez mezer, pokud je k dispozici.
Mezerník?
Existuje několik dalších souvisejících znaků, které nejsou v Unicode klasifikovány jako "prázdné znaky" - takže nejsou obsaženy ve znakové třídě [[:space:]] .
Tyto se pro mě vytisknou jako neviditelné glyfy v pgAdmin:"mongolská samohláska", "mezera s nulovou šířkou", "nepojistka s nulovou šířkou", "spojovač s nulovou šířkou":
SELECT E'\u180e', E'\u200B', E'\u200C', E'\u200D';
'' | '' | '' | ''
Další dvě, tisknou se jako viditelné piktogramy v pgAdmin, ale neviditelné v mém prohlížeči:"spojovač slov", "mezera s nulovou šířkou":
SELECT E'\u2060', E'\uFEFF';
'' | ''
V konečném důsledku to, zda jsou znaky vykresleny jako neviditelné, závisí také na písmu použitém pro zobrazení.
Chcete-li odstranit všechny tyto také nahraďte '\s' s '[\s\u180e\u200B\u200C\u200D\u2060\uFEFF]' nebo '[\s]' (všimněte si neviditelných znaků na konci!).
Příklad místo:
regexp_replace(eventdate, '\s+$', '')
použití:
regexp_replace(eventdate, '[\s\u180e\u200B\u200C\u200D\u2060\uFEFF]+$', '')
nebo:
regexp_replace(eventdate, '[\s]+$', '') -- note invisible characters
Omezení
Existuje také znaková třída Posix [[:graph:]] má představovat „viditelné znaky“. Příklad:
substring(eventdate, '([[:graph:]].*[[:graph:]])')
Funguje spolehlivě pro znaky ASCII v každém nastavení (kde se scvrkává na [\x21-\x7E] ), ale kromě toho jste v současnosti (včetně str. 10) závislí na informacích poskytovaných základním operačním systémem (pro definování ctype ) a případně nastavení národního prostředí.
Přesně řečeno, to je případ každého odkaz na třídu znaků, ale zdá se, že existuje větší nesouhlas s těmi méně běžně používanými, jako je graf . Možná však budete muset přidat další znaky do znakové třídy [[:space:]] (zkráceně \s ), abyste zachytili všechny mezery. Jako:\u2007 , \u202f a \u00a0 Zdá se, že také chybí pro @XiCoN JFS.
Manuál:
Ve výrazu hranaté závorky název třídy znaků uzavřený v
[:a:]znamená seznam všech znaků patřících do této třídy. Standardní názvy tříd znaků jsou:alnum,alpha,blank,cntrl,digit,graph,lower,punct,space,upper,xdigit.Tyto znaky představují třídy znaků definované v ctype. Další může poskytnout národní prostředí.
Tučné zdůraznění moje.
Všimněte si také tohoto omezení, které bylo opraveno s Postgres 10:
Oprava zpracování znakových tříd regulárních výrazů pro velké kódy znaků, zejména znaky Unicode nad
U+7FF(Tom Lane)Dříve takové znaky nebyly nikdy rozpoznány jako znaky patřící do tříd znaků závislých na národním prostředí, jako je
[[:alpha:]].