正则表达式不匹配正确的字符串

Posted 2023-05-08

【中文标题】正则表达式不匹配正确的字符串

【英文标题】：Regex not matching correct string

【发布时间】：2018-05-16 07:19:02

【问题描述】：

我正忙于为特定商家名称构建查找表。我尝试使用以下正则表达式，但它返回的结果少于 Netezza SQL 中的标准“like”函数。请参考以下：

SQL Like 函数：其中 trim(upper(a.MRCH_NME)) like '%CNA %' -- 返回 4622 个匹配项

Netezza SQL 中的正则表达式函数： where array_combine(regexp_extract_all(trim(upper(a.MRCH_NME)),'.*CNA\s','i'),'|') = ' CNA' -- 返回 2226 个匹配项

查看了两个结果集，发现如下字符串不匹配：

!C CNA INT ARR
*CNA PLATZ 0400
015764 CNA CRAD
C#CNA PARK 0

我使用了以下正则表达式：/.*CNA\s'/

知道为什么上述字符串没有作为匹配项返回吗？

谢谢。

【问题讨论】：

我认为你需要\\s 或[[:space:]]。另请注意，\s 不仅仅匹配空格。

累积。 to this reference, \s 匹配 一个空白字符。空白定义为[\t\n\f\r\pZ].。因此，您只能将 '.*CNA ' 与 'i'/ '(?i).*CNA ' 进行比较

谢谢，感谢您的快速回复。马上试试

【参考方案1】：

您可能应该使用regexp_like：

SELECT *
FROM yourTable
WHERE REGEXP_LIKE(MRCH_NME, 'CNA[ ]', 'i');

这在逻辑上与使用LIKE 的以下查询相同：

SELECT *
FROM yourTable
WHERE MRCH_NME LIKE '%CNA ';

【讨论】：

谢谢，我替换了函数，但我现在没有得到任何匹配。我应该考虑使用不同的正则表达式吗？

我使用了以下函数并且它起作用了：regexp_like(trim(upper(a.MRCH_NME)),'.*CNA\s')。我也会试试你发布的新的。非常感谢快速响应并帮助蒂姆

哦...是的，我更改了答案以使正则表达式不区分大小写。

这里使用.* 没有意义，REGEXP_LIKE 也可以找到部分匹配项。所以，WHERE REGEXP_LIKE(MRCH_NME, 'CNA ', 'i'); 就足够了。除非 CNA 应该只是一个完整的单词，否则可以使用 WHERE REGEXP_LIKE(MRCH_NME, '\\bCNA\\b', 'i');（我假设 Netezza 正则表达式是 ICU 驱动的）。

你好维克托。感谢您的答复。 CNA 是商家的名称。我的最终目标是构建一个正则表达式，它可以从包含数百万不同商家的表中提取有问题的特定商家，并消除商家方面的所有噪音，例如在较大名称中包含 CNA 的商家。 WHERE REGEXP_LIKE(MRCH_NME, '\\bCNA\\b', 'i');只需更改这部分 '\\bCNA\\b' 中的 CNA，此表达式是否可以为不同的商家互换？

【参考方案2】：

在我看来，问题更多在于您的代码而不是正则表达式。看：like '%CNA %' 返回所有 包含 CNA 子字符串的条目，该子字符串后跟条目内任意位置的文字空格。 '.*CNA\s' 正则表达式匹配除换行符以外的任何 0+ 字符，后跟 CNA 和 **任何空白字符*。

累加。 to this reference, \s 匹配”一个空格字符。空格定义为[\t\n\f\r\pZ]。

因此，您实际上应该只使用

WHERE REGEXP_LIKE(MRCH_NME, 'CNA ', 'i')

或者，最好使用单词边界检查：

WHERE REGEXP_LIKE(MRCH_NME, '\bCNA\b', 'i')

其中\b 标志着从单词到非单词以及从非单词到单词字符的转换，从而确保了整个单词的搜索并证明了正则表达式的使用。

如果您不需要将商家名称作为一个完整的单词进行匹配，使用正则的LIKE和'%CNA %'，应该会更高效。

【讨论】：

感谢您修改后的答案和解释。我非常感谢对这个问题的帮助和耐心。我不明白的是 '\bCNA\b' 语法：假设商家名称有多个单词，例如“Mc Donalds”，那么表达式 '\bMc\bDonalds\b' 或 '\bMc Donalds\b' 会作为\b 表示单词边界正确吗？我要创建一个尽可能通用的表达式

@Atlas_Apple 我建议学习\b word boundary 参考。它不使用文本，它只断言字符串内的某个位置。 '\bMc\bDonalds\b' 永远不会匹配任何字符串，因为 c 和 D 之间没有单词边界，因为两个字符都是字母，即单词字符。如果要搜索整个单词Mc Donalds，您将使用\bMc Donalds\b。如果您需要匹配非单词字符中的任何内容，您可以使用(?<!\w)my search phrase(?!\w)。