Rimuovere semplici tag HTML da String in Oracle tramite RegExp, Spiegazione necessaria

Question

Non capisco, perché le mie colonne reg1 e reg2 rimuovono "bbb" dalla mia stringa e solo reg3 funziona come previsto.

WITH t AS (SELECT 'aaa <b>bbb</b> ccc' AS teststring FROM dual) 

SELECT 
    teststring, 
    regexp_replace(teststring, '<.+>') AS reg1, 
    regexp_replace(teststring, '<.*>') AS reg2, 
    regexp_replace(teststring, '<.*?>') AS reg3 
FROM t 


TESTSTRING    REG1  REG2   REG3 
aaa <b>bbb</b> ccc  aaa ccc  aaa ccc  aaa bbb ccc 

Grazie mille!

Answer 1

Poiché la regex è avida di default. Cioè le espressioni .* o .+ cercano di catturare quanti più caratteri possibile. Pertanto, <.+> si estende dal primo < all'ultimo >. Ne fanno pigro utilizzando l'operatore pigro ?:

regexp_replace(teststring, '<.+?>') 

o

regexp_replace(teststring, '<.*?>') 

Ora, la ricerca di > si fermerà al primo > incontrato.

noti che . include > pure, quindi la variante greedy (senza ?) inghiotte tutto il > ma l'ultimo.

Answer 2

perché il primo e il secondo stanno trovando questa partita: <b>bbb</b> - in questo caso b>bbb</b partite sia .* e .+

Il terzo, inoltre, non farà quello che ti serve. Stai cercando qualcosa del genere: <[^>]*>. Ma devi anche sostituire tutte le partite con ""