使用 SQL 的 Amazon Redshift 中的正则表达式

Posted 2023-03-30

【中文标题】使用 SQL 的 Amazon Redshift 中的正则表达式

【英文标题】：Regex in Amazon Redshift using SQL

【发布时间】：2021-06-22 15:29:55

【问题描述】：

我在亚马逊红移中使用 sql。我有一个名为属性的列，如下所示：

["name": "Size", "value": "Small","name": "Color", "value": "Blue","name": "Material", "value": "Cotton"]

或

["name": "Material", "value": "silk","name": "Color", "value": "Pink"]

为了提取材料值，我正在尝试使用正则表达式。我有这样的初始代码：

select REGEXP_SUBSTR(attributes,'Material.*') as string_value

结果：

Material", "value": "Cotton"] 

和

Material", "value": "silk","name": "Color", "value": "Pink"]

我怎样才能更进一步，只获得材料的价值，所以输出应该看起来像：

Cotton

silk

我是 sql 新手和 regex 新手，非常感谢您的帮助。

【参考方案1】：

您可以使用正则表达式和捕获组：

select REGEXP_SUBSTR(attributes, '"Material", "value": "([^"]*)"') as string_value

【讨论】：

我将您的建议修改为：选择 REGEXP_SUBSTR(attributes, '"Material", "value": "([^"]*)"') as string_value , REGEXP_SUBSTR(string_value, ':. *') as material_value. 示例结果是："Cotton" 我怎样才能删除 : 和两个 " 以得到棉花？谢谢！

【参考方案2】：

您可能不应该求助于使用正则表达式来解析 JSON 内容，尤其是考虑到您的 JSON 内容嵌套在数组中。诚然，我不是 Redshift JSON API 方面的专家，但 this SO question 非常有帮助。考虑以下方法：

CREATE VIEW seq_0_to_3 AS
    SELECT 0 AS i UNION ALL                                      
    SELECT 1 UNION ALL
    SELECT 2          
);

WITH exploded_array AS (                                                                          
    SELECT id, JSON_EXTRACT_ARRAY_ELEMENT_TEXT(json_col, seq.i) AS json
    FROM yourTable, seq_0_to_3 AS seq
    WHERE seq.i < JSON_ARRAY_LENGTH(json_col)
)

SELECT JSON_EXTRACT_PATH_TEXT(json, 'value') AS Material
FROM exploded_array
WHERE JSON_EXTRACT_PATH_TEXT(json, 'name') = 'Material';

此答案假定您的 JSON 数组始终包含 3 个元素，分别表示大小、颜色和材质。如果计数与 3 不同，则使用正确数量的元素更新上面的视图 seq_0_to_3。