如何在postgres选择中获取第一次出现数字的位置

Question

我有一个包含 SDK 名称和版本的字段，并且它不是标准化的，因此我可以轻松地提取名称和版本。这些是人为的值，但代表了我正在使用的可能值：

• JavaScript/2.3.4
• JavaScript/4.3.1
• Android4.6.5
• Android3.2.1
• Swift4.5.3
• 斯威夫特/3.1.1.5

如您所见，“/”的使用并不一致，我需要一种方法来一致地从数字中解析 alpha，以便最终得到如下两列：

JavaScript     2.3.4
JavaScript     4.3.1
Android        4.6.5
Android        3.2.1
Swift          4.5.3
Swift          3.1.1.5

我已经寻找了不同的方法来做到这一点，但我发现似乎没有什么能满足我的要求。

最终，我需要将其放入 Postgres SELECT 语句中，如下所示：

编辑

我认为 DISTINCT 关键字是不必要且令人困惑的。它最初是 COUNT/GROUP BY 查询的一部分，但为了简单起见，我只想分别列出包含三列的所有行：sdk、sdk_name 和 sdk_version。从那里我将使用答案中最好的解析公式来做我需要的事情。

SELECT sdk, [parse sdk name formula] as "sdk_name", [parse sdk version formula] as "sdk_version"

此外，我没有要在查询中提供的固定 SDK 列表，因此我不确定 with/as/values 策略是否适合我，但我不知道并且看起来很有用。不过，我想 with/values 可以只是另一个 SELECT 查询。

Answer 1

使用正则表达式函数substring():

with my_data(sdk) as (
values
    ('JavaScript/2.3.4'),
    ('JavaScript/4.3.1'),
    ('Android4.6.5'),
    ('Android3.2.1'),
    ('Swift4.5.3'),
    ('Swift/3.1.1.5')
)

select 
    substring(sdk from '[^\d/]*') as sdk_name, 
    substring(sdk from '\d.*') as sdk_version
from my_data 

  sdk_name  | sdk_version 
------------+-------------
 JavaScript | 2.3.4
 JavaScript | 4.3.1
 Android    | 4.6.5
 Android    | 3.2.1
 Swift      | 4.5.3
 Swift      | 3.1.1.5
(6 rows)

---

更新。

您可以将select 查询放在with 部分（而不是values）：

with my_data(sdk) as (
    <select sdk from ...>
)
select 
    substring(sdk from '[^\d/]*') as sdk_name, 
    substring(sdk from '\d.*') as sdk_version
from my_data 

或在from 子句中：

select 
    substring(sdk from '[^\d/]*') as sdk_name, 
    substring(sdk from '\d.*') as sdk_version
from (
    <select sdk from ...>
) my_data

Answer 2

正则表达式解析是相当计算密集型的，因此与其使用两个函数调用（如在其他答案中那样），您应该将它们组合成一个调用，然后从结果中提取所需的值：

WITH d(sdk) AS (
  VALUES
    ('JavaScript/2.3.4'),
    ('JavaScript/4.3.1'),
    ('Android4.6.5'),
    ('Android3.2.1'),
    ('Swift4.5.3'),
    ('Swift/3.1.1.5'),
    ('C#/23.1') )
SELECT unq.sdk, re.match[1] AS sdk_name, re.match[2] AS sdk_version
FROM (SELECT DISTINCT sdk FROM d) unq,
     regexp_match(unq.sdk, '([^0-9/]*)/*([0-9.]*)') re (match);

正则表达式执行以下操作：

1. ([^0-9/]*) 捕获直到第一个数字或正斜杠的所有内容。请注意，这也将匹配包含 A-Za-z 以外字符的 SDK 名称。
2. /* 跳过正斜杠（如果存在）
3. ([0-9.]*) 捕获任何以下数字或点。如果您确信后面只有数字和点，那么您也可以使用(*)。

还请注意，我将DISTINCT 子句放在单独的子查询中。首先处理每一行然后丢弃任何重复项不是很有效。相反，请先删除重复项。

PG-10 前版本

函数 regexp_match() 是在版本 10 中引入的。如果您有旧版本，则可以使用不带 g 标志的 regexp_matches() 来获得相同的结果 (PG8.3+)。

Answer 3

您可以为此使用translate：

SELECT sdk, translate(sdk,'0123456789/.','') AS sdk_name, 
       translate(lower(sdk),'abcdefghijklmnopqrstuvwxyz/','') AS sdk_version 
FROM   table1;

工作fiddle

编辑（戈登）：

这是个好主意。我发现使用regexp_replace() 更简单：

select regexp_replace(sdk, '[0-9/.]', '', 'g') as sdk_name,
       regexp_replace(sdk, '[a-zA-Z/]', '', 'g') as sdk_version