<html xmlns:v="urn:schemas-microsoft-com:vml" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:w="urn:schemas-microsoft-com:office:word" xmlns:m="http://schemas.microsoft.com/office/2004/12/omml" xmlns="http://www.w3.org/TR/REC-html40">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
<meta name="Generator" content="Microsoft Word 15 (filtered medium)">
<!--[if !mso]><style>v\:* {behavior:url(#default#VML);}
o\:* {behavior:url(#default#VML);}
w\:* {behavior:url(#default#VML);}
.shape {behavior:url(#default#VML);}
</style><![endif]--><style><!--
/* Font Definitions */
@font-face
        {font-family:"Cambria Math";
        panose-1:2 4 5 3 5 4 6 3 2 4;}
@font-face
        {font-family:Calibri;
        panose-1:2 15 5 2 2 2 4 3 2 4;}
@font-face
        {font-family:Tahoma;
        panose-1:2 11 6 4 3 5 4 4 2 4;}
/* Style Definitions */
p.MsoNormal, li.MsoNormal, div.MsoNormal
        {margin:0in;
        margin-bottom:.0001pt;
        font-size:11.0pt;
        font-family:"Calibri",sans-serif;}
a:link, span.MsoHyperlink
        {mso-style-priority:99;
        color:blue;
        text-decoration:underline;}
a:visited, span.MsoHyperlinkFollowed
        {mso-style-priority:99;
        color:purple;
        text-decoration:underline;}
p
        {mso-style-priority:99;
        mso-margin-top-alt:auto;
        margin-right:0in;
        mso-margin-bottom-alt:auto;
        margin-left:0in;
        font-size:12.0pt;
        font-family:"Times New Roman",serif;}
p.msonormal0, li.msonormal0, div.msonormal0
        {mso-style-name:msonormal;
        mso-margin-top-alt:auto;
        margin-right:0in;
        mso-margin-bottom-alt:auto;
        margin-left:0in;
        font-size:12.0pt;
        font-family:"Times New Roman",serif;}
span.EmailStyle18
        {mso-style-type:personal;
        font-family:"Calibri",sans-serif;
        color:windowtext;}
span.EmailStyle19
        {mso-style-type:personal;
        font-family:"Calibri",sans-serif;
        color:#1F497D;}
span.EmailStyle20
        {mso-style-type:personal;
        font-family:"Calibri",sans-serif;
        color:#1F497D;}
span.EmailStyle22
        {mso-style-type:personal-reply;
        font-family:"Calibri",sans-serif;
        color:#1F497D;}
.MsoChpDefault
        {mso-style-type:export-only;
        font-size:10.0pt;}
@page WordSection1
        {size:8.5in 11.0in;
        margin:1.0in 1.0in 1.0in 1.0in;}
div.WordSection1
        {page:WordSection1;}
--></style><!--[if gte mso 9]><xml>
<o:shapedefaults v:ext="edit" spidmax="1026" />
</xml><![endif]--><!--[if gte mso 9]><xml>
<o:shapelayout v:ext="edit">
<o:idmap v:ext="edit" data="1" />
</o:shapelayout></xml><![endif]-->
</head>
<body lang="EN-CA" link="blue" vlink="purple">
<div class="WordSection1">
<p class="MsoNormal"><span style="color:#1F497D;mso-fareast-language:EN-US">Our term for that is plain ‘data correction’.<o:p></o:p></span></p>
<p class="MsoNormal"><span style="color:#1F497D;mso-fareast-language:EN-US"><o:p>&nbsp;</o:p></span></p>
<p class="MsoNormal"><span style="color:#1F497D;mso-fareast-language:EN-US">Oddly, for stuff like that, I’m more comfortable with C than SQL.<o:p></o:p></span></p>
<p class="MsoNormal"><span style="color:#1F497D;mso-fareast-language:EN-US">I usually dump the data into a file and process it from there and re-insert the corrected data.<o:p></o:p></span></p>
<p class="MsoNormal"><span style="color:#1F497D;mso-fareast-language:EN-US">When processing millions of rows, it’s way more efficient than within the database.<o:p></o:p></span></p>
<p class="MsoNormal"><span style="color:#1F497D;mso-fareast-language:EN-US"><o:p>&nbsp;</o:p></span></p>
<p class="MsoNormal"><span lang="FR-CA" style="color:black">André&nbsp;Laframboise<br>
<br>
Conseiller Principal Base de Données, Direction générale de l'Innovation et du Dirigeant principal de l'information<br>
</span><span style="color:black"><a href="http://www.bac-lac.gc.ca/fra/Pages/bac-web.aspx"><span lang="FR-CA">Bibliothèque et Archives Canada</span></a></span><span lang="FR-CA" style="color:black"> / Gouvernement du Canada
<br>
</span><span style="color:black"><a href="mailto:andre.laframboise@canada.ca"><span lang="FR-CA">andre.laframboise@canada.ca</span></a></span><span lang="FR-CA" style="color:black"> / Tél. : 613-298-1346<br>
<br>
Senior Database Advisor, Innovation and Chief Information Officer Branch<br>
</span><span style="color:black"><a href="http://www.bac-lac.gc.ca/eng/Pages/lac-web.aspx"><span lang="FR-CA">Library and Archives Canada</span></a></span><span lang="FR-CA" style="color:black"> / Government of Canada<br>
</span><span style="color:black"><a href="mailto:andre.laframboise@canada.ca"><span lang="FR-CA">andre.laframboise@canada.ca</span></a></span><span lang="FR-CA" style="color:black"> / Tel: 613-298-1346<br>
<br>
</span><a href="http://www.bac-lac.gc.ca/eng/events/Pages/events.aspx"><span style="text-decoration:none"><img border="0" width="320" height="112" style="width:3.3333in;height:1.1666in" id="_x0000_i1025" src="http://www.bac-lac.gc.ca/eng/events/PublishingImages/banner.jpg" alt="http://www.bac-lac.gc.ca/eng/events/PublishingImages/banner.jpg"></span></a><span lang="FR-CA" style="color:black"><br>
&nbsp;</span><span lang="FR-CA" style="color:#1F497D;mso-fareast-language:EN-US"><o:p></o:p></span></p>
<div>
<div style="border:none;border-top:solid #E1E1E1 1.0pt;padding:3.0pt 0in 0in 0in">
<p class="MsoNormal"><b><span lang="EN-US">From:</span></b><span lang="EN-US"> info-ingres-bounces@lists.planetingres.org &lt;info-ingres-bounces@lists.planetingres.org&gt;
<b>On Behalf Of </b>Allan Biggs<br>
<b>Sent:</b> Friday, August 31, 2018 9:21 AM<br>
<b>To:</b> Martin Bowes &lt;martin.bowes@ndph.ox.ac.uk&gt;; paul.white@shift7solutions.com.au; info-ingres@lists.planetingres.org<br>
<b>Subject:</b> Re: [Info-ingres] More similar to<o:p></o:p></span></p>
</div>
</div>
<p class="MsoNormal"><o:p>&nbsp;</o:p></p>
<div>
<p class="MsoNormal"><span lang="EN-GB" style="font-size:12.0pt;font-family:&quot;Times New Roman&quot;,serif">Have you thought of using OpenROAD to do this?
<br>
It might enable you to do some of the processing in SQL and some in the 4GL? <br>
<br>
<br>
Or maybe report writer .... or maybe not ...<br>
Allan <br>
-- <br>
Sent from my Android phone with <a href="http://mail.com">mail.com</a> Mail. Please excuse my brevity.<o:p></o:p></span></p>
</div>
<div>
<p class="MsoNormal"><span lang="EN-GB" style="font-size:12.0pt;font-family:&quot;Times New Roman&quot;,serif">On 31/08/2018, 12:29 Martin Bowes &lt;<a href="mailto:martin.bowes@ndph.ox.ac.uk">martin.bowes@ndph.ox.ac.uk</a>&gt; wrote:<o:p></o:p></span></p>
<blockquote style="border:none;border-left:solid #CCCCCC 1.0pt;padding:0in 0in 0in 6.0pt;margin-left:4.8pt;margin-top:4.8pt;margin-right:0in">
<p class="MsoNormal"><span lang="EN-GB" style="color:#1F497D">I would like to keep it in the database, but if push comes to shove I’m more than willing to look at some utility outside the database.<o:p></o:p></span></p>
<p><span lang="EN-GB" style="color:#1F497D">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="color:#1F497D">Marty<o:p></o:p></span></p>
<p><span lang="EN-GB" style="color:#1F497D">&nbsp;<o:p></o:p></span></p>
<div>
<div style="border:none;border-top:solid #B5C4DF 1.0pt;padding:3.0pt 0in 0in 0in">
<p class="MsoNormal"><b><span lang="EN-US" style="font-size:10.0pt;font-family:&quot;Tahoma&quot;,sans-serif">From:</span></b><span lang="EN-US" style="font-size:10.0pt;font-family:&quot;Tahoma&quot;,sans-serif"> Paul White [<a href="mailto:paul.white@shift7solutions.com.au">mailto:paul.white@shift7solutions.com.au</a>]
<br>
<b>Sent:</b> 31 August 2018 12:20<br>
<b>To:</b> Martin Bowes; <a href="mailto:info-ingres@lists.planetingres.org">info-ingres@lists.planetingres.org</a><br>
<b>Subject:</b> RE: [Info-ingres] More similar to<o:p></o:p></span></p>
</div>
</div>
<p><span lang="EN-GB">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-AU" style="color:#1F497D">So you want output like this?<o:p></o:p></span></p>
<p><span lang="EN-AU" style="color:#1F497D">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">res_note for snapshot_id = 14 is dodgy.<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">pos=55 char=0x03<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">pos=103 char=0x04<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">pos=11999 char=0x00<o:p></o:p></span></p>
<p><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">res_note for snapshot_id = 28 is dodgy.<o:p></o:p></span></p>
<p><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;<o:p></o:p></span></p>
<p><span lang="EN-AU" style="color:#1F497D">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-AU" style="color:#1F497D">Text processing in the database. yuk.<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-AU" style="color:#1F497D">Do you have the option of extracting the matching records to a file then do the grunt work with text processing tools?<o:p></o:p></span></p>
<p><span lang="EN-AU" style="color:#1F497D">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-AU" style="color:#1F497D">Paul<o:p></o:p></span></p>
<p><span lang="EN-AU" style="color:#1F497D">&nbsp;<o:p></o:p></span></p>
<p><span lang="EN-AU" style="color:#1F497D">&nbsp;<o:p></o:p></span></p>
<div>
<div style="border:none;border-top:solid #B5C4DF 1.0pt;padding:3.0pt 0in 0in 0in">
<p class="MsoNormal"><b><span lang="EN-US" style="font-size:10.0pt;font-family:&quot;Tahoma&quot;,sans-serif">From:</span></b><span lang="EN-US" style="font-size:10.0pt;font-family:&quot;Tahoma&quot;,sans-serif">
<a href="mailto:info-ingres-bounces@lists.planetingres.org">info-ingres-bounces@lists.planetingres.org</a> [<a href="mailto:info-ingres-bounces@lists.planetingres.org">mailto:info-ingres-bounces@lists.planetingres.org</a>]
<b>On Behalf Of </b>Martin Bowes<br>
<b>Sent:</b> Friday, 31 August 2018 8:41 PM<br>
<b>To:</b> <a href="mailto:info-ingres@lists.planetingres.org">info-ingres@lists.planetingres.org</a><br>
<b>Subject:</b> [Info-ingres] More similar to<o:p></o:p></span></p>
</div>
</div>
<p><span lang="EN-AU">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB">Hi All,<o:p></o:p></span></p>
<p><span lang="EN-GB">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB">I just knew this non printing character stuff was going to come back and bite me…<o:p></o:p></span></p>
<p><span lang="EN-GB">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB">I can identify the rows with non printing characters excluding \t, \r and \n.<o:p></o:p></span></p>
<p><span lang="EN-GB">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB">Now I need to find which characters are being objected to on each row. I may need to know their position as well.<o:p></o:p></span></p>
<p><span lang="EN-GB">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB">The data in question is a long varchar. But (fortunately) the longest item is under 12000 characters, so we are under the 32000 char varchar conversion limit.<o:p></o:p></span></p>
<p><span lang="EN-GB">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB">The easiest way I can think of doing this is to do it in a database procedure…<o:p></o:p></span></p>
<p><span lang="EN-GB">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">create procedure identify_bad_char<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">as declare<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp; snapshot_id integer4 not null not default;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp; res_note&nbsp;&nbsp;&nbsp; long varchar not null not default;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp; msgid&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; integer4 not null not default;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp; msg&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; varchar(256) not null not default;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">begin<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp; msgid = 0;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp; FOR SELECT snapshot_id, res_note INTO :snapshot_id, :res_note<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; FROM basket_snapshot<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; WHERE res_note SIMILAR TO '%[^' &#43; x'09' &#43; x'0a' &#43; x'0d' &#43; '[:print:]]%'<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp; DO<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; msgid = msgid &#43; 1;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; msg = 'res_note for snapshot_id = ' &#43; varchar(:snapshot_id) &#43; ' is dodgy.';<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; message :msgid :msg;<o:p></o:p></span></p>
<p><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; /* Insert manic while loop here and process the line character by character */<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;&nbsp;&nbsp; ENDFOR;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">end;<o:p></o:p></span></p>
<p><span lang="EN-GB" style="font-family:&quot;Courier New&quot;">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB">Before I start coding up the manic while loop … does anyone have a suggestion as to how I can do this more efficiently.<o:p></o:p></span></p>
<p><span lang="EN-GB">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB">The data was probably added to a web form via a cut and paste from a word document, so we’ve picked up things like smart quotes. Hence we may ultimately be interested in replacing multi character sequences with simple
 ansi equivalents. I have a suspicion a clean() function is galloping in my direction.<o:p></o:p></span></p>
<p><span lang="EN-GB">&nbsp;<o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB">Martin Bowes</span><span lang="EN-GB" style="font-family:&quot;Courier New&quot;"><o:p></o:p></span></p>
<p class="MsoNormal"><span lang="EN-GB" style="font-size:12.0pt;font-family:&quot;Times New Roman&quot;,serif">_______________________________________________ Info-ingres mailing list
<a href="mailto:Info-ingres@lists.planetingres.org">Info-ingres@lists.planetingres.org</a>
<a href="https://lists.planetingres.org/mailman/listinfo/info-ingres">https://lists.planetingres.org/mailman/listinfo/info-ingres</a>
<o:p></o:p></span></p>
</blockquote>
</div>
</div>
</body>
</html>