用于在字符中获取字符串的正则表达式，第一个字符集在 Presto/Athena 中是可选的

Posted 2023-03-21

【中文标题】用于在字符中获取字符串的正则表达式，第一个字符集在 Presto/Athena 中是可选的

【英文标题】：Regex for getting a string within characters, with first character set optional in Presto/Athena

【发布时间】：2021-06-03 09:23:54

【问题描述】：

我一整天都在琢磨这个。我让它在各种在线正则表达式工具中工作，但每当我在查询中使用它时，结果都是错误的。

我的数据库中有这样的数据：

AMAZON PAYMENTS EUROPE S.C.A.
1/asdfL GE#EFRDA^9212 GRIFF
Frau HUSEL G^9212 GRIFF

我想提取 1/ 和 ^ 中存在的文本。像这样：

AMAZON PAYMENTS EUROPE S.C.A.
asdfL GE#EFRDA
Frau HUSEL G

我尝试了很多变体，它们都可以在线使用：

非捕获组：^(?:1\/)?(.*?(?=\^|$)) 向后看：(?<=1\/)(.*?(?=\^|$)) 条件表达式：(?(?=^1)1/(.*?(?=\^|$))|((^.*?(?=\^|$))))

但是当我在 AWS 中运行查询时，我总是会在提取中得到 1/。

有人知道如何解决这个问题吗？

【问题讨论】：

您在使用 Presto 吗？ REGEXP_REPLACE?

【参考方案1】：

我会在这里使用REGEXP_REPLACE：

regexp_replace([column], '^(?:[^/]*/)?([^^]*)\^.*', '$1')

请参阅regex demo。

详情：

^ - 字符串开头 (?:[^/]*/)? - 一个可选序列，匹配除 / 和 / 字符之外的任何零个或多个字符 ([^^]*) - 捕获组 1（参考 $1 的替换模式）：除 ^ 之外的任何零个或多个字符 \^ - 文字 ^ char .* - 字符串的其余部分到末尾。