将文本列中的 RTF 批量转换为纯文本

我最终制作了一个 CLR 函数来转换它。

我找到了这个库，然后对它进行了一点调整，以删除我不需要的东西，比如日志记录和绘图方法，这让我可以将它标记为安全。

然后我就做了这个小班。

using System.Data.SqlTypes;
using Itenso.Rtf.Converter.Text;
using Itenso.Rtf.Support;

public partial class StoredProcedures
{
    [Microsoft.SqlServer.Server.SqlFunction]
    public static SqlString RtfToPlainText(SqlString text)
    {
        if (text.Value.StartsWith(@"{\rtf"))
        {
            RtfTextConverter textConverter = new RtfTextConverter();
            RtfInterpreterTool.Interpret(text.Value, textConverter);
            return textConverter.PlainText;
        }
        else
            return text;
    }
}

并在 SQL 中运行它

sp_configure 'clr enabled', 1
GO
RECONFIGURE
GO

CREATE ASSEMBLY ConversionsSqlExtensionsAssembly 
from 'E:\Code\ConversionsSqlExtensions\bin\Debug\ConversionsSqlExtensions.dll' 
WITH PERMISSION_SET = safe
go

CREATE function RtfToPlainText(@value nvarchar(max))
returns nvarchar(max)
AS EXTERNAL NAME ConversionsSqlExtensionsAssembly.StoredProcedures.RtfToPlainText

而且速度很快，效果很好！

我使用 Itenso RTF DLL 和 Scott Chamberlain 做了同样的事情，但在我的情况下，在我的 SQL 2008R2 数据库中将其标记为 SAFE 之前，还有很多工作要做。

首先，像 Scott 一样，我必须删除对 System.Drawing 的引用。我发现最简单的方法是删除引用，重新编译，然后重写正在使用该库的代码位。在大多数情况下，我只是从使用它的 VOID 函数中删除了所有代码，而在我无法将绘图/颜色对象更改为“对象”对象的情况下。

我必须做的另一件事是删除对 log4net 的所有引用，因为它引用了一个库 System.DirectoryServices，它也不能被标记为安全。这有点困难，但通常我采用相同的方法。

最后，在我这样做之后，我收到了关于设置静态值的投诉，这在 SAFE CLR 函数中是不允许的。所以我更新了代码以将所有静态值更改为 READONLY 并且有效（这几乎都在代码的“日志记录”部分中，我并不真正关心任何方式）。

我最终的 CLR 代码如下所示：

[Microsoft.SqlServer.Server.SqlFunction]
[return: SqlFacet(MaxSize=-1)]
public static SqlChars RTFFix([SqlFacet(MaxSize=-1)]string rtfField)
{
    SqlChars returnChars;
    try
    {

        RtfTextConverter textConverter = new RtfTextConverter();
        RtfInterpreterTool.Interpret(rtfField, textConverter);
        returnChars = new SqlChars(new SqlString(textConverter.PlainText.Trim()));
    }
    catch (Exception e)
    {
        returnChars = new SqlChars(new SqlString(rtfField));
    }
    return returnChars;
}

我写了一个小 SQL 函数，从标记字符串中刮取文本： http ://cookingwithsql.com/index.php?option=com_content&task=view&id=65&Itemid=60

不幸的是，它只能处理最多 8000 个字符的字符串数据。如果您在 SQL 2005 及更高版本上运行，也许可以将其更改为使用 varchar(max)。

用法：

select dbo.ScrapeText('<I love SQL> gobbldygook font 12 blah blah') as 'Result'

Result
----------------------------
I love SQL

我将在此处发布源代码以供快速参考。

use master
IF (object_id('dbo.ScrapeText') IS NOT NULL)
BEGIN
  PRINT 'Dropping: dbo.ScrapeText'
  DROP function dbo.ScrapeText
END
GO
PRINT 'Creating: dbo.ScrapeText'
GO
CREATE FUNCTION dbo.ScrapeText 
(
  @string varchar(8000)
) 
returns varchar(8000)

AS
BEGIN
---------------------------------------------------------------------------------------------------
-- Title:        ScrapeText
--               
-- Date Created: April 4, 2006
--               
-- Author:       William McEvoy
--               
-- Description:  This function will attempt to remove markup language formatting from a string. This is 
--               accomplished by concetenating all text contained between greater than and less 
--               than signs within the formatted text.  
--               
---------------------------------------------------------------------------------------------------
-- Date Revised: 
-- Author:       
-- Reason:       
---------------------------------------------------------------------------------------------------

declare @text  varchar(8000),
        @PenDown char(1),
        @char  char(1),
        @len   int,
        @count int

select  @count = 0,
        @len   = 0,
        @text  = ''


---------------------------------------------------------------------------------------------------
-- M A I N   P R O C E S S I N G
---------------------------------------------------------------------------------------------------

-- Add tokens
select @string = '>' + @string + '<'

-- Replace Special Characters
select @string = replace(@string,' ',' ')

-- Parse out the formatting codes
select @len = len(@string)
while (@count <= @len)
begin
  select @char = substring(@string,@count,1)

  if (@char = '>')
     select @PenDown = 'Y'
  else 
  if (@char = '<')
    select @PenDown = 'N'
  else  
  if (@PenDown = 'Y')
    select @text = @text + @char

  select @count = @count + 1
end

RETURN @text
END
GO
IF (object_id('dbo.ScrapeText') IS NOT NULL)
  PRINT 'Function created.'
ELSE
  PRINT 'Function NOT created.'
GO

如果您使用 DataReader 而不是 DataTable，则可以一次处理一行，而不是将其全部加载到内存中。那应该绕过您的内存不足错误。