Redshift 正则表达式错误？

Posted 2023-03-31

【中文标题】Redshift 正则表达式错误？

【英文标题】：Redshift Regular expression bug?

【发布时间】：2019-03-07 16:19:09

【问题描述】：

我有一张带有英国邮政编码字段的表格，我将仅使用正则表达式测试不良格式，即使是基本测试也无法正常工作。

我的值为 CM8 2AX。

如果我跑步

从 sor.party_person 中选择 post_code where 'CM8 2AX' ~ '.*[0-9][A-Z][A-Z]$'

和 post_code = 'CM8 2AX';

我明白了

CM8 2AX

（1 行）

这似乎表明我非常简单的正则表达式对于该值是正确的。

但是，如果我现在直接从数据库中测试相同的值 - 看起来是相同的查询，已经用 and 条件证明这是字段中的值：

从 sor.party_person 中选择 post_code 其中 post_code ~ '.*[0-9][A-Z][A-Z]$' and post_code = 'CM8 2AX';

（0 行）

匹配失败。

我错过了什么？

如果我在最后删除 $，它确实有效，这意味着 db 在字段字符的末尾看到了不同的东西，并且没有将最后一个文本字符识别为最后一个字符，但这对我来说毫无意义。

【参考方案1】：

我认为列的数据类型导致在邮政编码后添加空格字符到列的大小，这在执行 = 时会被忽略，但在执行正则表达式匹配时显然不会。

select post_code from sor.party_person where post_code ~ '.*[0-9][A-Z][A-Z] *$' and post_code = 'CM8 2AX';

应该证明这是正确的。

编辑

我在效果上是正确的，但显然不是= 工作的原因。 SQL 标准规定，当比较两个长度不等的字符串时，填充较短的字符串。所以post_code = 'CM8 2AX' 实际上是在进行比较之前将'CM8 2AX' 填充到 post_code 列的长度。

【讨论】：

谢谢 - 你一针见血。这是一个字符列。我从不使用 char 字段，因为它们很浪费，而且 varchars 几乎总是更合适的选择，但是另一个团队创建了该表，我“假设”他们遵循了我的正常模式并且没有想过要检查。总是一个错误！再次感谢。

只是另一个想法 - Redshift/postgres 似乎在 char 字段周围不一致。长度和匹配似乎隐含地修剪，而模式匹配似乎没有。我个人认为这是一个错误，因为它应该以一致的方式处理字段。

@41jules1967 我认为这与 SQL 标准有关，这里有一个 SO 问题和答案***.com/questions/543580/equals-vs-like