从逗号分隔的字符串中删除重复项 (Amazon Redshift)

Question

我正在使用 Amazon Redshift。

我在该字符串中有一个列存储为逗号分隔，如Private, Private, Private, Private, Private, Private, United Healthcare。我想使用query 从中删除重复项，因此结果应该是Private, United Healthcare。我显然从 Stackoverflow 中找到了一些解决方案，并且知道使用正则表达式是可能的。

因此，我尝试使用：

SELECT  regexp_replace('Private, Private, Private, Private, Private, Private, United Healthcare', '([^,]+)(,\1)+', '\1') AS insurances; 

和

SELECT  regexp_replace('Private, Private, Private, Private, Private, Private, United Healthcare', '([^,]+)(,\1)+', '\g') AS insurances; 

还有一些其他的正则表达式，但似乎不起作用。有什么解决办法吗？

Answer 1

这是一个用于 Amazon Redshift 的用户定义函数 (UDF)：

CREATE FUNCTION f_uniquify (s text)
  RETURNS text
IMMUTABLE
AS $$
  -- Split string by comma-space, remove duplicates, convert back to comma-separated
  return ', '.join(set(s.split(', ')))
$$ LANGUAGE plpythonu;

测试它：

select f_uniquify('Private, Private, Private, Private, Private, Private, United Healthcare');

返回：

United Healthcare, Private

如果返回值的顺序很重要，那么它需要一些更具体的代码。

Answer 2

试试这个方法，

SELECT  array_agg(DISTINCT insurances) 
FROM (SELECT  regexp_split_to_table('Private, Private, Private, Private, Private, Private, United Healthcare'
              , ',\s+') AS insurances) x;

另一种方式

SELECT DISTINCT UNNEST(regexp_split_to_array('Private, Private, Private, Private, Private, Private, United Healthcare', ',\s+')) AS insurances;

检查http://docs.aws.amazon.com/redshift/latest/dg/String_functions_header.html 两者都会因红移而失败，这些都不会将text 转换为text[]

Answer 3

另一种选择是尝试 Python UDF。简单的 Python 函数对字符串进行重复数据删除并返回正确的版本。