使用 Redshift 列中的正则表达式

Question

我在 Redshift 中有 2 个表，其中一个有一个包含正则表达式字符串的列。我想像这样加入他们：

select *
from one o
join two t
on o.value ~ t.regex

但是这个查询会抛出一个错误：

[Amazon](500310) Invalid operation: The pattern must be a valid UTF-8 literal character expression
Details: 
 -----------------------------------------------
  error:  The pattern must be a valid UTF-8 literal character expression
  code:      8001
  context:   
  query:     412993
  location:  cgx_impl.cpp:1911
  process:   padbmaster [pid=5211]
  -----------------------------------------------;

据我在文档中搜索了解到，正则表达式运算符 ~ 的右侧必须是字符串文字。

这样就可以了：

select *
from one o
where o.value ~ 'regex'

这会失败：

select *
from one o
where 'regex' ~ o.value

有没有办法解决这个问题？我错过了什么？

谢谢！

Answer 1

这是我正在使用的解决方法。也许它不是超级快，但它确实有效：

首先创建一个函数：

CREATE FUNCTION is_regex_match(pattern text, s text) RETURNS BOOLEAN IMMUTABLE AS $$
  import re
  return True if re.search(pattern, s) else False
$$ LANGUAGE plpythonu;

然后像这样使用它（o.value 包含一个正则表达式模式）：

select *
from one o
where is_regex_match(o.value, 'some string');

Answer 2

您可以尝试使用内置函数regexp_substr() https://docs.aws.amazon.com/redshift/latest/dg/REGEXP_SUBSTR.html

select *
from one o
join two t
on regexp_substr(o.value, t.regex) <> ''

添加原始查询的编辑示例

似乎这些字段在构建时必须显式转换为 varchars。

with fake_table as (
  SELECT 'sample value'::varchar as value, '[a-z]'::varchar as pattern
)

SELECT * 
, regexp_substr(value, pattern)
FROM
  fake_table
WHERE 
  regexp_substr(value, pattern) <>''