Regex_replace 在雪花中使用模式答案

【问题标题】：Regex_replace in snowflake using patternRegex_replace 在雪花中使用模式
【发布时间】：2022-01-07 06:32:04
【问题描述】：

我正在寻找一种正则表达式模式，它将删除文章（a、an、the）、特殊字符（;、:、% 等）并扩展缩写（inc.-> 'incorporation', & -> 'and ' 等）在雪花中。我可以在雪花中做到这一点，但它并不完全正确。下面是我的代码。问题是我想给出模式（例如，'a good book' 的输出应该是 'good book' 但字符串 'give a book' 应该保留为

'''
select REGEXP_REPLACE((
select REGEXP_REPLACE ((
select REGEXP_REPLACE ((
select REGEXP_REPLACE ((
select REGEXP_REPLACE ((
select REGEXP_REPLACE ((
select REGEXP_REPLACE ((
select REGEXP_REPLACE ((
select REGEXP_REPLACE ((


select REGEXP_REPLACE (

  
  (select REGEXP_REPLACE(concat (' ', lower('a book of the great man'), ' '), '(^an )|(^the )| 
  (^a )'))
  , '\\.|\\,|\\(|\\)|\\!|\\\\|/|£|\\$|%|\\^|\\*|-|\\+|=|_|{|}|\\[|\\]|#|~|;|:|''|`|@|<|>|\\?| 
 ¬|\\|')

  ), ' & ', ' and ')
  ), ' ltd ', ' limited ')

  ), '', '')
  '''

【问题讨论】：

所以，要求从语句的开头删除文章，这就是我从您发布的示例中理解的。对于特殊字符，它需要从任何出现或位置中删除？
是的，Srinath，没错

标签： regex snowflake-cloud-data-platform

【解决方案1】：

我建议你写一个 UDF（JavaScript 或 Java），而不是使用 REGEXP_REPLACE，并使用 JavaScript（或 java）的正则表达式。它将更加清洁和可维护。

https://docs.snowflake.com/en/sql-reference/user-defined-functions.html

这是一个示例函数：

CREATE OR REPLACE FUNCTION transform_text (STR VARCHAR)
RETURNS VARCHAR
LANGUAGE JAVASCRIPT
AS $$
  var abbreviations = { "inc.": "incorporation", "&": "and" };

  // remove articles from the beginning
  var Result = STR.replace( /^(a|an|the) /i, "" );

  // remove the special characters
  Result = Result.replace( /(;|,|:|%)/g, "" );

  // convert abbreviations
  for (var abv in abbreviations) Result = Result.replace( abv, abbreviations[abv] );

  return (Result);
$$
;

select transform_text( 'A good, a:; bo%ok & hoyd inc.' ) as Result;


+------------------------------------+
|               RESULT               |
+------------------------------------+
| good a book and hoyd incorporation |
+------------------------------------+

【讨论】：

【解决方案2】：

对 Gokhan 的出色回答进行了一些调整。

在删除特殊字符之前转换缩写词
使用 ^ 不是这些方法之一更容易删除特殊字符
使用 \b 来捕获文章的单词

CREATE OR REPLACE FUNCTION transform_text_2 (STR VARCHAR)
RETURNS VARCHAR
LANGUAGE JAVASCRIPT
AS $$
  var abbreviations = { "inc.": "incorporation", "&": "and" };

  // remove articles from the beginning
  var Result = STR.replace( /\b(an?|the)\b /i, "" );

  // convert abbreviations
  for (var abv in abbreviations) Result = Result.replace( abv, abbreviations[abv] );

  // remove the special characters
  Result = Result.replace( /[^A-Za-z0-9 ]/g, "" );


  return (Result);
$$
;

【讨论】：