DateTime von SQL Server hat die Domäne 1753-01-01 00:00:00.000 ≤ x ≤ 9999-12-31 23:59:59.997. Das Jahr 210 n. Chr. liegt außerhalb dieser Domäne. Daher das Problem.
Wenn Sie SQL Server 2008 oder höher verwenden, können Sie es in DateTime2 umwandeln datatype und Sie wären goldrichtig (seine Domain ist 0001-01-01 00:00:00.0000000 &le x ≤ 31.12.9999 23:59:59.9999999. Aber mit SQL Server 2005 sind Sie ziemlich SOL.
Das ist wirklich ein Problem der Datenbereinigung. In solchen Fällen neige ich dazu, die Daten von Drittanbietern mit jedem Feld als Zeichenfolgen in eine Staging-Tabelle zu laden. Bereinigen Sie dann die vorhandenen Daten, indem Sie beispielsweise ungültige Datumsangaben durch NULL ersetzen. Führen Sie nach der Reinigung die erforderlichen Konvertierungsarbeiten durch, um sie an ihren endgültigen Bestimmungsort zu verschieben.
Ein anderer Ansatz besteht darin, den Musterabgleich zu verwenden und die Datumsfilterung durchzuführen, ohne etwas in datetime umzuwandeln . Datums-/Uhrzeitwerte nach ISO 8601 sind Zeichenfolgen, die die lobenswerte Eigenschaft haben, (A) für Menschen lesbar zu sein und (B) richtig zu sortieren und zu vergleichen.
Was ich in der Vergangenheit getan habe, war einige analytische Arbeit, um alle Muster im datetime-Feld zu identifizieren, indem ich Dezimalziffern durch ein „d“ ersetzte und dann group by ausführte um die Zählungen jedes unterschiedlichen gefundenen Musters zu berechnen. Sobald Sie das haben, können Sie einige Mustertabellen erstellen, um Sie zu führen. Etwa so:
create table #datePattern
(
pattern varchar(64) not null primary key clustered ,
monPos int not null ,
monLen int not null ,
dayPos int not null ,
dayLen int not null ,
yearPos int not null ,
yearLen int not null ,
)
insert #datePattern values ( '[0-9]/[0-9]/[0-9] %' ,1,1,3,1,5,1)
insert #datePattern values ( '[0-9]/[0-9]/[0-9][0-9] %' ,1,1,3,1,5,2)
insert #datePattern values ( '[0-9]/[0-9]/[0-9][0-9][0-9] %' ,1,1,3,1,5,3)
insert #datePattern values ( '[0-9]/[0-9]/[0-9][0-9][0-9][0-9] %' ,1,1,3,1,5,4)
insert #datePattern values ( '[0-9]/[0-9][0-9]/[0-9] %' ,1,1,3,2,6,1)
insert #datePattern values ( '[0-9]/[0-9][0-9]/[0-9][0-9] %' ,1,1,3,2,6,2)
insert #datePattern values ( '[0-9]/[0-9][0-9]/[0-9][0-9][0-9] %' ,1,1,3,2,6,3)
insert #datePattern values ( '[0-9]/[0-9][0-9]/[0-9][0-9][0-9][0-9] %' ,1,1,3,2,6,4)
insert #datePattern values ( '[0-9][0-9]/[0-9]/[0-9] %' ,1,2,4,1,6,1)
insert #datePattern values ( '[0-9][0-9]/[0-9]/[0-9][0-9] %' ,1,2,4,1,6,2)
insert #datePattern values ( '[0-9][0-9]/[0-9]/[0-9][0-9][0-9] %' ,1,2,4,1,6,3)
insert #datePattern values ( '[0-9][0-9]/[0-9]/[0-9][0-9][0-9][0-9] %' ,1,2,4,1,6,4)
insert #datePattern values ( '[0-9][0-9]/[0-9][0-9]/[0-9] %' ,1,2,4,2,7,1)
insert #datePattern values ( '[0-9][0-9]/[0-9][0-9]/[0-9][0-9] %' ,1,2,4,2,7,2)
insert #datePattern values ( '[0-9][0-9]/[0-9][0-9]/[0-9][0-9][0-9] %' ,1,2,4,2,7,3)
insert #datePattern values ( '[0-9][0-9]/[0-9][0-9]/[0-9][0-9][0-9][0-9] %' ,1,2,4,2,7,4)
create table #timePattern
(
pattern varchar(64) not null primary key clustered ,
hhPos int not null ,
hhLen int not null ,
mmPos int not null ,
mmLen int not null ,
ssPos int not null ,
ssLen int not null ,
)
insert #timePattern values ( '[0-9]:[0-9]:[0-9]' ,1,1,3,1,5,1 )
insert #timePattern values ( '[0-9]:[0-9]:[0-9][0-9]' ,1,1,3,1,5,2 )
insert #timePattern values ( '[0-9]:[0-9][0-9]:[0-9]' ,1,1,3,2,6,1 )
insert #timePattern values ( '[0-9]:[0-9][0-9]:[0-9][0-9]' ,1,1,3,2,6,2 )
insert #timePattern values ( '[0-9][0-9]:[0-9]:[0-9]' ,1,2,4,1,6,1 )
insert #timePattern values ( '[0-9][0-9]:[0-9]:[0-9][0-9]' ,1,2,4,1,6,2 )
insert #timePattern values ( '[0-9][0-9]:[0-9][0-9]:[0-9]' ,1,2,4,2,7,1 )
insert #timePattern values ( '[0-9][0-9]:[0-9][0-9]:[0-9][0-9]' ,1,2,4,2,7,2 )
Sie könnten diese beiden Tabellen zu 1 kombinieren, aber die Anzahl der Kombinationen neigt dazu, die Dinge zu explodieren, obwohl dies die Abfrage dann erheblich vereinfacht.
Sobald Sie das haben, ist die Abfrage [ziemlich] einfach, da SQL nicht gerade die weltbeste Sprachwahl für die Verarbeitung von Zeichenfolgen ist:
---------------------------------------------------------------------
-- first, get your lower bound in ISO 8601 format yyyy-mm-dd hh:mm:ss
-- This will compare/collate properly
---------------------------------------------------------------------
declare @dtLowerBound varchar(255)
set @dtLowerBound = convert(varchar,dateadd(year,-1,current_timestamp),121)
-----------------------------------------------------------------
-- select rows with a start date more recent than the lower bound
-----------------------------------------------------------------
select isoDate = + right( '0000' + substring( t.startDate , coalesce(dt.yearPos,1) , coalesce(dt.YearLen,0) ) , 4 )
+ '-' + right( '00' + substring( t.startDate , coalesce(dt.monPos,1) , coalesce(dt.MonLen,0) ) , 2 )
+ '-' + right( '00' + substring( t.startDate , coalesce(dt.dayPos,1) , coalesce(dt.dayLen,0) ) , 2 )
+ case
when tm.pattern is not null then
' ' + right( '00' + substring(ltrim(rtrim( substring(t.startDate,dt.YearPos+dt.YearLen,1+len(t.startDate)-(dt.YearPos+dt.YearLen) ) ) ), tm.hhPos , tm.hhLen ) , 2 )
+ ':' + right( '00' + substring(ltrim(rtrim( substring(t.startDate,dt.YearPos+dt.YearLen,1+len(t.startDate)-(dt.YearPos+dt.YearLen) ) ) ), tm.mmPos , tm.mmLen ) , 2 )
+ ':' + right( '00' + substring(ltrim(rtrim( substring(t.startDate,dt.YearPos+dt.YearLen,1+len(t.startDate)-(dt.YearPos+dt.YearLen) ) ) ), tm.ssPos , tm.ssLen ) , 2 )
else ''
end
,*
from someTableWithBadData t
left join #datePattern dt on t.startDate like dt.pattern
left join #timePattern tm on ltrim(rtrim( substring(t.startDate,dt.YearPos+dt.YearLen,1+len(t.startDate)-(dt.YearPos+dt.YearLen) ) ) )
like tm.pattern
where @lowBound <= + right( '0000' + substring( t.startDate , coalesce(dt.yearPos,1) , coalesce(dt.YearLen,0) ) , 4 )
+ '-' + right( '00' + substring( t.startDate , coalesce(dt.monPos,1) , coalesce(dt.MonLen,0) ) , 2 )
+ '-' + right( '00' + substring( t.startDate , coalesce(dt.dayPos,1) , coalesce(dt.dayLen,0) ) , 2 )
+ case
when tm.pattern is not null then
' ' + right( '00' + substring(ltrim(rtrim( substring(t.startDate,dt.YearPos+dt.YearLen,1+len(t.startDate)-(dt.YearPos+dt.YearLen) ) ) ), tm.hhPos , tm.hhLen ) , 2 )
+ ':' + right( '00' + substring(ltrim(rtrim( substring(t.startDate,dt.YearPos+dt.YearLen,1+len(t.startDate)-(dt.YearPos+dt.YearLen) ) ) ), tm.mmPos , tm.mmLen ) , 2 )
+ ':' + right( '00' + substring(ltrim(rtrim( substring(t.startDate,dt.YearPos+dt.YearLen,1+len(t.startDate)-(dt.YearPos+dt.YearLen) ) ) ), tm.ssPos , tm.ssLen ) , 2 )
else ''
end
Wie ich schon sagte, SQL ist nicht die beste Wahl für Strings.
Das sollte Sie erreichen ... 90% dort. Die Erfahrung sagt mir, dass Sie immer noch mehr schlechte Daten finden werden:Monate kleiner als 1 oder größer als 12 , Tage kleiner als 1 oder größer als 31 oder Tage außerhalb des Bereichs für diesen Monat (nichts wie der 31. Februar, um den Computer zum Jammern zu bringen) , usw. Insbesondere alte Cobol-Programme liebten es, ein Feld nur aus 9en zu verwenden, um zum Beispiel fehlende Daten anzuzeigen (obwohl dies ein einfacher Fall ist).
Meine bevorzugte Technik besteht darin, ein Perl-Skript zu schreiben, um die Daten zu bereinigen und sie unter Verwendung der BCP-Einrichtungen von Perl in SQL Server zu laden. Das ist genau die Art von Problemraum, für den Perl entwickelt wurde.
