如何查询数据库字段但忽略HTML标记？

我们有一个包含HTML标记的网站上格式化领域，但我们需要查询只是要在屏幕上呈现文本，不喜欢的东西CSS标签，标签名，属性名等如何查询数据库字段但忽略HTML标记？

有一种忽略SQL查询或存储过程中标记权限的方法？如果有办法做到这一点，我们以后会有性能问题吗？

我的猜测是有一些方法可以使用尖括号来分析可搜索文本的字段。

2010-02-11 JoshBaltzell

下面是一个用户定义函数的只是您可以利用：

http://blog.sqlauthority.com/2007/06/16/sql-server-udf-user-defined-function-to-strip-html-parse-html-no-regular-expression/

来源

2010-02-11 18:32:11

我在想像这样的功能会更困难，但通过它阅读使我意识到，假设我有良好的HTML这应该始终工作。我们现在正在测试这个。谢谢！ – JoshBaltzell 2010-02-11 18:58:25

每次尝试使用正则表达式解析HTML时，上帝会杀死一只小猫。 – Aaronaught 2010-02-11 19:26:11

幸运的是，没有涉及正则表达式:) – 2010-02-11 19:55:19

处理这样不应该在数据库中进行。我会建议创建一个单独的字段，只包含文本内容。

回复@Nissan粉丝评论：从HTML中提取文本不是数据库的工作IMO。这对于它来说太复杂了，它有太多的变数。我并不熟悉阅读存储过程，但是如果我正确地阅读代码，它将在源代码中出现（无效但仍然经常发生）未编码的<问题。它很可能会因为无效的HTML而中断。

或想象有一天，顾客来了，并希望img元素'属性索引也。或者title s。开始建立一个“开始位置，结束位置”算法。你会去疯狂。我想说，如果需要在日常的基础上处理超出控制范围的不同来源的HTML，可以将它留在数据库上方的一层，以便处理这些东西。基于DOM的方法 - 可能使用BeautifulSoup来处理无效的HTML - 解析所有的nodeValue将是最可靠的。

也许这是矫枉过正，并且存储过程在OP的情况下可以正常工作 - 从他的评论中看起来像是这样，而且这完全没问题。我只是说，如果您无法控制传入的HTML，请不要使用数据库提供的有限手段去除HTML。

来源

2010-02-11 18:33:17

复制数据，因为您必须查询它的一个子集似乎不规则。这就像将某个日期分解到每个组件中一样，因为有人只想查询该月份。如果这不是一个非常大规模的数据库，它不应该成为一个问题。 – 2010-02-11 18:37:31

这是一个好主意，每当你查询的时候剥去HTML一定会很慢。 – HLGEM 2010-02-11 18:41:04

这也是用于存储相同信息的空间的两倍。还有很多其他的事情需要考虑...也许这个搜索是每5000次使用HTML数据一次的功能？想象一下，一个应用程序显示带有标签的数据列表，但允许在每次使用时很少使用的文本搜索。没有足够的上下文来证明这一点。另外，我的分歧与他关于一个单独领域的陈述有关，而更多的是与查询这样的数据完全是数据库的用途有关。 – 2010-02-11 18:46:47

如果你可以运行在您的查询的正则表达式，你可以去掉HTML和这里使用的例子只返回文本：http://www.regular-expressions.info/examples.html

来源

2010-02-11 18:35:31

如果您通过删除试图索引这些列和访问它的一个html：

WHERE dbo.anyRemoveHtml(yourColumn)='your search text'

该索引将不会被使用，您将进行表扫描。当应用程序只有很少的数据时，这可能不会成为问题，但是随着更多数据添加到表中，会导致SELECT速度越来越慢。

注：dbo.anyRemoveHtml只是表示您选择要删除HTML功能的由名字，并没有真正存在

来源

2010-02-11 18:44:59

我佩卡的同意;这不是你的数据库应该处理的东西。

缺点在DB这样解析：

性能问题。使用UDF可能会降低性能并导致表扫描。即使你避免了表扫描，你仍然要求数据库做一堆事情（字符串操作），它不是为了做。
很难找对。正确解析HTML是一项艰巨的工作。确实，你可以通过UDF获得95％的方式，但在应用程序层处理这个问题可能会使你获得100％的回报。
难以测试。我更愿意为在C＃中针对字符串文字执行的HTML剥离代码编写单元测试，而不是必须往返数据库。

如果必须为此在DB ...

如果在DB这样做是必须的，考虑这个方法：

添加第二个字段添加到数据库以保存内容的纯文本版本。
添加一个触发器，以便每次更改HTML值时都重新生成文本版本。
将您的查询写入纯文本字段。

你会获得更好的性能，因为你只是做了分析，在写的时候，而不是在每一个搜索，你的数据库将更好地利用你的纯文本字段定义任何索引。

来源

2010-02-11 20:41:11

如何查询数据库字段但忽略HTML标记？

回答

相关问题