Postgres regexp_replace：无法用第一个捕获的组替换源文本

Posted 2023-03-28

【中文标题】Postgres regexp_replace：无法用第一个捕获的组替换源文本

【英文标题】：Postgres regexp_replace: inability to replace source text with first captured group

【发布时间】：2021-03-05 18:42:00

【问题描述】：

使用 PostgreSQL，我无法设计正确的正则表达式模式来实现使用 regexp_replace 的 SQL 语句的所需输出。

我的源文本由几个分散的文本块组成，格式为“PU*”，后跟一个格式为“YYYY-MM”的日期字符串，例如“PU*2020-11”。这些块被不可预知的任意文本字符串（包括“PU*”的其他实例，后跟上述日期字符串格式，例如“PU*2017-07”）、空格和换行符包围。

我希望用“YYYY-MM”文本模式的第一个实例替换整个源文本。在上面的示例中，所需的输出将是“2020-11”。

目前，我的搜索模式会产生正确的替换文本来代替第一个捕获组，但不幸的是，第一个捕获组之后的所有文本也无意中出现在输出中，这不是所需的输出。

具体来说：

版本：postgres (PostgreSQL) 13.0

一个更复杂的源文本示例：

First line
Exec committee
PU*2020-08
PU*2019-09--cancelled
PU*2017-10

added by Terranze

到目前为止我的模式：

(\s|\S)*?PU\*(\d4-\d2)(\s|\S*)*

当前 SQL 语句：

select regexp_replace('First line\nExec committee; PU*2020-08\nPU*2019-09\nPU*2017-10\n\nadded by Terranze\n', '(\s|\S)*?PU\*(\d4-\d2)(\s|\S*)*', '\2') as _regex;

https://regex101.com/ 上的电流输出

2020-08

psql 上的当前输出

                              _regex                               
───────────────────────────────────────────────────────────────────
 2020-08\nPU*2019-09--cancelled\nPU*2017-10\n\nadded by Terranze\n
(1 row)

期望的输出：

2020-08

任何帮助表示赞赏。谢谢--

【参考方案1】：

这个表达式怎么样：

'^.*?PU\*(\d4-\d2).*$'

【讨论】：

感谢您的快速回复！好吧，我意识到我在描述问题的方式上犯了一个错误。我的示例复杂源文本包含换行符，我认为将 '\n's 放在源文本中会模拟实际的换行符，但我现在意识到它没有。正则表达式引擎将这些解释为文字'\n'。

所以我将源文本更新为真正的多行，而您的模式在这种情况下不起作用。你知道另一种可能有效的模式吗？谢谢--

对不起，我收回；您的解决方案有效！我知道 ^ 标记字符串的开头， $ 标记结尾，但我不知道为什么在这种情况下它们是必要的。

很棒的@WDock。那么，您能否将 awswer 标记为已接受。 :)

关于您的问题，首先需要 ^ 和 $ 创建一个固定的锚点，以便在字符串末尾以“最贪婪”的方式完成捕获，反之亦然一开始就接近。希望这很清楚