两个模式之间的 Redshift 提取字符串 (regexp_substr)答案

【问题标题】：Redshift Extract String Between Two Patterns (regexp_substr)两个模式之间的 Redshift 提取字符串 (regexp_substr)
【发布时间】：2018-11-23 06:35:26
【问题描述】：

我正在尝试提取出现在deviceSerialNumber= 之后的文本，直到出现& 或字符串的结尾。数据看起来像

someddata&=somedataagain&deviceSerialNumber=device12345&anotherField=moreData someddata&=somedataagain&deviceSerialNumber=deviceabcd

我试过了

REGEXP_SUBSTR(session_tags || '&', 'deviceSerialNumber(.*)&') from table

但是，这会返回所有文本，直到最后一个 &（这是字符串的结尾，因为我附加了一个 & 用于模式匹配目的）。如何修改此正则表达式以仅提取文本直到第一个 &？

【问题讨论】：

标签： sql regex amazon-web-services amazon-redshift

【解决方案1】：

使用出现参数

REGEXP_SUBSTR(session_tags, 'deviceSerialNumber=(.+?)&',1,1) from table

或者

REGEXP_SUBSTR(session_tags,(?<=deviceSerialNumber=)(.*?)(?=&)) from table

.* 将匹配到最后一个 &，.*? 将匹配到第一个 &

【讨论】：

嗯，这看起来很有希望，但它似乎仍在提取所有文本，直到最后出现 &
deviceSerialNumber=(.+?)& 应该这样做。您可能必须在最终选择中使用替换 deviceSerialNumber=。
现在，我收到了 Invalid preceding regular expression prior to repetition operator 错误。当我尝试网络上的其他解决方案时，我很早就得到了它。想知道这是否与红移实现有关

【解决方案2】：

找到了一个 hack 解决方案，该解决方案涉及两个级别的查询，以绕过必须使用 regexp_subtr。内部查询使用substring 和position 提取deviceSerialNumber 标记之后的所有文本。外部查询使用相同的两个函数来截断下一个&之后的任何文本

select substring(pre_serial_num, 1, position('&' in pre_device_id || '&') - 1) as device_id
from
    (select substring(session_tags,position('deviceSerialNumber' in session_tags) + 20, 40) as pre_device_id 
    from table) a

例如内部查询需要

someddata&=somedataagain&deviceSerialNumber=device12345&anotherField=moreData

someddata&=somedataagain&deviceSerialNumber=deviceabcd

并去掉设备序列号标签前的文字给你

device12345&anotherField=moreData

deviceabcd

然后第二个查询去掉设备序列号标签后的文本给你

deviceSerialNumber=device12345

deviceSerialNumber=deviceabcd

【讨论】：

【解决方案3】：

我遇到了与regexp_substr 相同的Invalid preceding regular expression prior to repetition operator。

我最终确定的工作是两个嵌套的split_parts：

select
params, 
split_part(split_part(params, 'deviceSerialNumber=', 2), '&', 1)
from (
    select 'someddata&=somedataagain&deviceSerialNumber=device12345&anotherField=moreData' as params
    union all
    select 'someddata&=somedataagain&deviceSerialNumber=deviceabcd' as params
) tmp

【讨论】：

【解决方案4】：

我知道回复晚了，但这里有一个对我有用的解决方案。

select regexp_substr(
    'someddata&=somedataagain&deviceSerialNumber=device12345&anotherField=moreData ', 
    'deviceSerialNumber=(.*)&', 0, 1, 'e');

【讨论】：

这是正确的解决方案（即使用 e 参数匹配子表达式）。不幸的是，这个答案被埋在别人后面。
你能告诉我，我如何在第一个'&'停止而不让它结束？