Redshift：如何从字符串列表中匹配最长的正则表达式字符串答案

【问题标题】：Redshift: how to match longest regex string from a list of stringsRedshift：如何从字符串列表中匹配最长的正则表达式字符串
【发布时间】：2021-09-10 15:14:06
【问题描述】：

上下文：

我目前正在解析错误消息，我的方法是用自定义错误类型标记最长的字符串，虽然有点笨拙。所以我有一个这样的子字符串字典：

{'abcdefg' : 'Error A', '1234' : 'Error B', 'aaa' : 'Error C'}

例如：如果我有一个错误字符串： 'abcdefg1234'，我想将它与错误 A 匹配，因为 abcdefg 是消息中最长的标记子字符串。

'abc1234aaa' 将返回 'Error B'。

我相信这个想法是先追加最长的子字符串，然后加入标签字典表。

我知道如何进行 1 次正则表达式匹配，但我不知道如何遍历列表以找到最长的匹配项。

【问题讨论】：

标签： regex amazon-redshift

【解决方案1】：

SQL 不是过程语言，也没有循环的概念（通常）。我喜欢将其视为一种并行合并和过滤语言。因此，要执行您想要的操作，您需要执行几个步骤

将您的 json 字典转换为表格
将此表加入到正在评估错误字符串的表中的 LIKE 条件下，该条件测试错误测试值是否在错误字符串中
评估每个匹配的长度并排序这些长度以找到最长的（窗口函数 row_number() 将是我的选择）

生成的 SQL 将类似于：

SELECT error_message,
    TYPE
FROM   (   
           SELECT    error_message,
                  TYPE,
                  Row_number () over (PARTITION BY error_message ORDER BY length DESC) AS rn
           FROM      message_table
           left join       
                  (   
                      SELECT 'Error A'                          AS TYPE,
                          Json_extract_path_text(pattern_json, 'Error A')      AS pattern,
                          Len(Json_extract_path_text(pattern_json, 'Error A')) AS length
                      union ALL
                      SELECT 'Error B'                          AS TYPE,
                          json_extract_path_text(pattern_json, 'Error B')      AS pattern,
                          len(json_extract_path_text(pattern_json, 'Error B')) AS length
                      UNION ALL
                      SELECT 'Error C'                          AS TYPE,
                          json_extract_path_text(pattern_json, 'Error C')      AS pattern,
                          len(json_extract_path_text(pattern_json, 'Error C')) AS length )
           ON     pattern LIKE '%'+pattern+'%'
) 
WHERE rn = 1;

此代码未经测试，我对您正在做的事情做了一些假设，但希望这将为您提供一条起点。

【讨论】：