根据三个不同的类别将列拆分为多列-新场景[重复]

Posted 2023-03-29

【中文标题】根据三个不同的类别将列拆分为多列-新场景[重复]

【英文标题】：Split the column to multiple column based on the three diff categories--new scenario [duplicate]

【发布时间】：2021-08-03 09:49:27

【问题描述】：

数据需要从 SOID 列拆分为 Circ、Language、Words，如上图所示。尝试使用以下逻辑时：-

SELECT SALES_ORDER_ITEM_DESCRIPTION,
 --regexp_substr(SALES_ORDER_ITEM_DESCRIPTION, 'Circuit:\\s([a-zA-Z0-9 ]*)(,\\s|$)', 1, 1, 'e') AS "Circuit",
 --regexp_substr(SALES_ORDER_ITEM_DESCRIPTION, 'Language\\(s\\):\\s([a-zA-Z0-9, ]+)(,\\s|$)', 1, 1, 'e') AS "Language",
 regexp_substr(SALES_ORDER_ITEM_DESCRIPTION, 'Circuit:\\s([a-zA-Z0-9 \\[\\] \\& ]+)(,\\s|$)', 1, 1, 'e') AS "Circ", 
regexp_substr(SALES_ORDER_ITEM_DESCRIPTION, 'Language[()s]*:\\s([a-zA-Z0-9\\, ]+)(,\\s|$)', 1, 1, 'e') AS "Language",
 regexp_substr(SALES_ORDER_ITEM_DESCRIPTION, 'Words:\\s([a-zA-Z0-9 ]*)(,\\s|$)', 1, 1, 'e') AS "Words"
FROM XYZ;

数据得到了正确处理，但是根据红色突出显示的图片，一些数据没有被上述逻辑捕获。它没有显示所有语言，而是只选择一种语言作为英语，因为我需要将输出作为列中的所有语言。请需要您的意见。

【问题讨论】：

Words 是否总是在Language 之后？您在Language 和Words 之间总是 获取的数据？

是的，语言总是在单词之前

西蒙，我不这么认为。上一个问题是一个更简单的版本，并且已经正确回答。如我所见，这是不同的原因，Naveen 注意到语言的不同格式。

抱歉重复，Atil 回答正确，因为我发现了新场景，我只是提出了另一个问题，而不是让现有问题变得复杂。

好的，不用担心。我想，既然标题和内容真的很相似，那就是同一个场景。

【参考方案1】：

看来事情变得复杂了。要处理这种新格式，您需要对如何提取语言进行一些更改。

我没有使用一个简单的 regexp_substr，而是使用了两个。一种是处理“Language(s): xxxx”，另一种是处理“Language: x,y,z”（包括单一语言），并使用NVL将它们组合起来。

with XYZ as (
  select 'Attachments: 1, Circuit: North America, Language: English, Language: Dutch, Words: 400' as SALES_ORDER_ITEM_DESCRIPTION
  union all
  select 'Attachments: 1, Circuit: North America, Language: English, Words: 400' as SALES_ORDER_ITEM_DESCRIPTION
  union all
  select 'Attachments: 1, Circuit: North America, Language(s): English,Spanish, Words: 400' as SALES_ORDER_ITEM_DESCRIPTION                                                   
  union all
  select 'Attachments: 1, Circuit: North America, Language: English, Language: Dutch, Language: German, Words: 400' as SALES_ORDER_ITEM_DESCRIPTION
)                                                  
SELECT 
regexp_substr(SALES_ORDER_ITEM_DESCRIPTION, 'Circuit:\\s([a-zA-Z0-9 \\[\\]]+)(,\\s|$)', 1, 1, 'e') AS "Circuit", 
NVL( regexp_substr(SALES_ORDER_ITEM_DESCRIPTION, 'Language\\(s\\):\\s([a-zA-Z0-9\\, ]+)(,\\s|$)', 1, 1, 'e'), 
REGEXP_REPLACE( regexp_substr(SALES_ORDER_ITEM_DESCRIPTION, '(Language:.*), Words', 1, 1, 'e'), '[ ]*Language: '  )) AS "LanguageString"
FROM XYZ;


+---------------+----------------------+
|    Circuit    |    LanguageString    |
+---------------+----------------------+
| North America | English,Dutch        |
| North America | English              |
| North America | English,Spanish      |
| North America | English,Dutch,German |
+---------------+----------------------+

【讨论】：

嗨，Atil，它工作正常。我发现了电路的另一个原因，它正在处理正确的以下表达式。 regexp_substr(SALES_ORDER_ITEM_DESCRIPTION, 'Circuit:\\s([a-zA-Z0-9 \[\] \\& ]+)(,\\s|$)', 1, 1, 'e') AS "Circuit "，附件：2，电路：国际金融电汇（自助服务），语言：英语，荷兰语，单词：357' 这个场景没有在电路中得到处理。