我需要一个正则表达式来提取分隔符之间的特定字符

Posted 2023-03-24

【中文标题】我需要一个正则表达式来提取分隔符之间的特定字符

【英文标题】：I need a regex to extract a specific character between delimiter

【发布时间】：2018-08-20 05:09:14

【问题描述】：

，特定字符是~，分隔符是"。

这是一些示例文本：

~104.7866 ~"~A.SITI FATONAH "~2014/06/23

和

0.0 ~ 0.0 ~"ENI NURLINI ( 341676 ) ~ "~2016/05/18

我想删除两个"之间的~，所以输出是

~104.7866 ~"A.SITI FATONAH "~2014/06/23

和

0.0 ~ 0.0 ~"ENI NURLINI ( 341676 )  "~2016/05/18

我打算在 sql 中使用 regex_replace 来替换 ~ 但我找不到合适的正则表达式

【问题讨论】：

引号内可以有多个~s吗？

由 @CertainPerformance 确定，棘手的情况是一对".." 引号内有多个~s；否则用"$1$2" 替换"([^~]*)~([^~]*)" 就足够了[我说的是regex 一般；从未使用过nsregularexpression]

还有一个问题是输入看起来像这样a"b"c"d"。您会认为 c 包含在引号内吗？因为从技术上讲，它不是。

@CertainPerformance 引号内只有一个 ~

是Oracle SQL吗？ PostgreSQL？微软 SQL？在前两个的情况下，"(.*)~(.*)" => \1\2 如果字符串中只有一对引号并且总是有 1 个 ~ 可以删除。

【参考方案1】：

以下示例适用于 BigQuery 标准 SQL

#standardSQL
WITH `project.dataset.table` AS (
  SELECT '~104.7866 ~"~A.SITI FATONAH "~2014/06/23' str UNION ALL
  SELECT '0.0 ~ 0.0 ~"ENI NURLINI ( 341676 ) ~ "~2016/05/18' 
)
SELECT REGEXP_REPLACE(str, r'("[^"]*)~([^"]*")', r'\1\2')
FROM `project.dataset.table`     

【参考方案2】：

如果你可以确定字符串上只有两个"，你可以使用类似的东西（我使用Oracle进行测试，但几乎所有的dbms都应该有concat、substr和intstr之类的函数）

SELECT 
col as col_before,
concat(
substr(col, 1, instr(col, '"')),
concat(
regexp_replace(substr(col, 1+instr(col, '"'), instr(col, '"', 1+instr(col, '"'))-instr(col, '"')-1), '~', ''), 
substr(col, instr(col, '"', 1+instr(col, '"')))
)) as col_after


FROM (SELECT '0.0 ~ 0.0 ~"ENI NU~RLIN~I ( 341676 ) ~"~2016/05/18' as col FROM DUAL WHERE 1=1) t
WHERE 1=1

基本思路是将字符串分成3段，搜索"。然后把中间的~替换掉，然后再把这3块拼接起来。

这甚至可以与多个~ 一起使用。

COL_BEFORE = 0.0 ~ 0.0 ~"ENI NU~RLIN~I ( 341676 ) ~"~2016/05/18
COL_AFTER  = 0.0 ~ 0.0 ~"ENI NURLINI ( 341676 ) "~2016/05/18

仅供参考，如果引擎支持 PCRE 正则表达式，这个正则表达式也可以工作，甚至删除几个 ~ (?:(?:^[^"\n]*)")?\K([^"~\n]*)~?(?=.*")

无论如何，谷歌似乎查询uses re2 engine。所以自从lookahead is not supported on re2。你必须坚持第一种方法。