RegEx 匹配有效日期 Presto

Posted 2023-03-21

【中文标题】RegEx 匹配有效日期 Presto

【英文标题】：RegEx matching a valid date Presto

【发布时间】：2021-06-09 10:55:32

【问题描述】：

对于下表，我想从additional_info string 中提取available from date 。我知道 Presto 中有一个 regexp_extract_all(string, pattern) 函数，但不太确定如何从字符串中提取日期。

仅供参考：

日期始终采用相同格式 additional_info 列中只能有一个日期 additional_info 列中没有日期的行在日期列中为空

表格

product_id   additional_info
325245       New, contact for more information, available from 01.01.2020
635255       Used, available from 06.11.2020
422632        New, contact for more information

所需的输出表

product_id     available_date 
325245         01.01.2020
635255         06.11.2020
422632

【问题讨论】：

(1) additional_info 看起来像一个字符串，而不是一个数组。 (2) 日期是否总是相同的格式？ (3) 如果有多个日期或没有日期怎么办？

我已经编辑了我的帖子。日期始终采用相同的格式，如果只有一个日期或没有日期，则日期 col 为空

【参考方案1】：

如果您的日期始终采用这种格式，一个非常简单的解决方案可能是：

SELECT
   product_id
   , regexp_extract(additional_info, '(\d\d.\d\d.\d\d\d\d)')
FROM table

它将返回与您的捕获组匹配的第一个子字符串(betweenbrackets)。

【参考方案2】：

正则表达式中的点表示任何字符。要在正则表达式中逐字匹配点，您需要用反斜杠 \. 屏蔽它

SELECT
     product_id,
     regexp_extract(additional_info, '(\d\d\.\d\d\.\d4)')
FROM table

如果您想允许不同的分隔符，而不仅仅是点，请使用字符类[]。例如，点或破折号：

SELECT
     product_id,
     regexp_extract(additional_info, '(\d\d[.-]\d\d[.-]\d4)')
FROM table