TRIM, SUBSTRING e REPLACE: limpeza de strings no SQL

Strings sujas sao a realidade diaria de quem analisa dados: espacos extras vindos de importacoes, telefones cheios de tracos, codigos com maiusculas e minusculas misturadas. Tres funcoes — TRIM, SUBSTRING e REPLACE — resolvem quase toda essa limpeza rotineira. Vamos exercita-las sobre um esquema com users(id, email, name, country, created_at), orders(id, user_id, amount, status, created_at) e employees(id, name, manager_id, dept, salary).

TRIM: cortar espacos e lixo

Por padrao, o TRIM remove espacos das duas pontas. E a primeira coisa a aplicar em qualquer campo de texto vindo de uma fonte externa.

SELECT TRIM(name) AS clean_name
FROM users;

Voce pode aparar apenas um lado e ate informar seu proprio 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'

Parentes uteis: LTRIM e RTRIM para aparar so um lado, e BTRIM no PostgreSQL como sinonimo curto de TRIM(BOTH ...).

• O TRIM so remove os caracteres das extremidades, nunca os internos: 'a b' mantem o espaco duplo no meio.
• Caracteres invisiveis — tabulacoes (\t), quebras de linha, o espaco inquebravel — ficam intactos com um TRIM simples. Para esses, combine com REPLACE ou REGEXP_REPLACE.

SUBSTRING: fatiar por posicao

SUBSTRING extrai um pedaco de uma string. A sintaxe padrao canonica usa as palavras-chave FROM (inicio, comecando em 1) e FOR (comprimento):

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

A forma posicional com virgulas da o mesmo resultado; e mais curta e familiar para muita gente:

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

Um truque comum e pegar o dominio de um email localizando a posicao do @ com POSITION:

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

REPLACE: trocar substrings

REPLACE(source, from, to) substitui TODAS as ocorrencias de um literal. E perfeito para remover formatacao — por exemplo, transformar um telefone em digitos limpos:

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

O REPLACE trabalha apenas com strings literais, sem padroes. Se voce precisa de expressoes regulares, use REGEXP_REPLACE no PostgreSQL:

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

Montando uma chave normalizada

A forca real esta em combinar tudo isso. Uma tarefa tipica e montar uma chave estavel para deduplicacao ou joins: tudo minusculo, sem espacos, sem 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 um relatorio por departamento, voce pode montar um codigo organizado a partir do nome e do departamento:

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

Diferencas entre os bancos

• PostgreSQL: aceita tanto SUBSTRING(x FROM a FOR b) quanto SUBSTRING(x, a, b); SUBSTR existe como sinonimo. Comeca em 1.
• MySQL: SUBSTRING e SUBSTR sao equivalentes, e a sintaxe FROM ... FOR tambem funciona. Aceita inicio negativo — contando de tras para frente a partir do fim da string.
• ClickHouse: a funcao e substring(s, offset, length), apenas na forma posicional; replaceAll no lugar de REPLACE, e trimBoth/trimLeft/trimRight no lugar de TRIM.

A grande pegadinha: a indexacao de strings no SQL comeca em 1, e nao em 0. SUBSTRING(x FROM 0 FOR 3) se comporta de forma pouco intuitiva — a posicao zero consome um caractere do comprimento. Conte sempre a partir de um e FROM 1 FOR n lhe dara exatamente os primeiros n caracteres.