TRIM, SUBSTRING y REPLACE: limpieza de cadenas en SQL

Las cadenas sucias son el pan de cada dia de un analista: espacios sobrantes de las importaciones, telefonos llenos de guiones, codigos con mayusculas y minusculas mezcladas. Tres funciones — TRIM, SUBSTRING y REPLACE — cubren casi toda esa limpieza rutinaria. Las veremos sobre un esquema con users(id, email, name, country, created_at), orders(id, user_id, amount, status, created_at) y employees(id, name, manager_id, dept, salary).

TRIM: quitar espacios y basura

Por defecto, TRIM elimina los espacios de ambos extremos. Es lo primero que conviene aplicar a cualquier campo de texto que venga de una fuente externa.

SELECT TRIM(name) AS clean_name
FROM users;

Puedes recortar solo un lado e incluso indicar tu propio conjunto de caracteres:

-- Leading vs trailing
SELECT TRIM(LEADING FROM name)  AS no_left,
       TRIM(TRAILING FROM name) AS no_right
FROM users;

-- Strip a specific character, not just spaces
SELECT TRIM(BOTH '0' FROM '00description') AS no_zeros;  -- 'description'

Parientes utiles: LTRIM y RTRIM para recortar un solo lado, y BTRIM en PostgreSQL como sinonimo corto de TRIM(BOTH ...).

• TRIM solo quita los caracteres de los extremos, nunca los internos: 'a b' conserva su doble espacio en el medio.
• Los caracteres invisibles — tabuladores (\t), saltos de linea, el espacio de no separacion — quedan intactos con un TRIM simple. Para ellos, combinalo con REPLACE o REGEXP_REPLACE.

SUBSTRING: cortar por posicion

SUBSTRING extrae un trozo de una cadena. La sintaxis estandar canonica usa las palabras clave FROM (inicio, empezando en 1) y FOR (longitud):

-- First 3 chars of the country code
SELECT SUBSTRING(country FROM 1 FOR 3) AS region_prefix
FROM users;

La forma posicional con comas da el mismo resultado; es mas corta y le resulta familiar a mucha gente:

SELECT SUBSTRING(country, 1, 3) AS region_prefix
FROM users;

Un truco habitual es sacar el dominio de un correo localizando la posicion de @ con POSITION:

SELECT SUBSTRING(email FROM POSITION('@' IN email) + 1) AS domain
FROM users;

REPLACE: sustituir subcadenas

REPLACE(source, from, to) reemplaza TODAS las apariciones de un literal. Es perfecto para quitar formato — por ejemplo, convertir un telefono en digitos limpios:

-- Strip dashes and spaces from a phone-like field
SELECT REPLACE(REPLACE(name, '-', ''), ' ', '') AS compact
FROM users;

REPLACE trabaja solo con cadenas literales, sin patrones. Si necesitas expresiones regulares, recurre a REGEXP_REPLACE en PostgreSQL:

-- Keep digits only
SELECT REGEXP_REPLACE(name, '[^0-9]', '', 'g') AS digits_only
FROM users;

Construir una clave normalizada

La verdadera potencia esta en combinarlas. Una tarea tipica es construir una clave estable para deduplicar o para joins: minusculas, sin espacios, sin separadores.

-- A normalized join key from country + status
SELECT o.id,
       LOWER(TRIM(u.country)) || '_' ||
       REPLACE(LOWER(o.status), ' ', '_') AS norm_key
FROM orders o
JOIN users u ON u.id = o.user_id;

Para un informe por departamentos puedes ensamblar un codigo prolijo a partir del nombre y el departamento:

SELECT id,
       UPPER(SUBSTRING(TRIM(dept) FROM 1 FOR 3)) || '-' ||
       UPPER(SUBSTRING(TRIM(name) FROM 1 FOR 2)) AS emp_code
FROM employees;

Diferencias entre motores

• PostgreSQL: admite tanto SUBSTRING(x FROM a FOR b) como SUBSTRING(x, a, b); SUBSTR existe como sinonimo. Empieza en 1.
• MySQL: SUBSTRING y SUBSTR son equivalentes, y la sintaxis FROM ... FOR tambien funciona. Admite un inicio negativo — cuenta desde el final de la cadena.
• ClickHouse: la funcion es substring(s, offset, length), solo en forma posicional; replaceAll en lugar de REPLACE, y trimBoth/trimLeft/trimRight en lugar de TRIM.

El gran tropiezo: la indexacion de cadenas en SQL empieza en 1, no en 0. SUBSTRING(x FROM 0 FOR 3) se comporta de forma poco intuitiva — la posicion cero se come un caracter de la longitud. Cuenta siempre desde uno y FROM 1 FOR n te dara exactamente los primeros n caracteres.