我有一列有很多不一致的字符串。其中一些包含一个子字符串,该子字符串具有我想提取的 '2015mmdd_AB_CD_EFG_(text)_(text)_HIJ'
的一致模式。我觉得这是正则表达式和子字符串命令的交叉情况。
到目前为止我最好的方法是一个相当丑陋的
substring(col_name, '........_.._.._..._.+_.+_...')
它不会按预期结束输出,而是输出类似于“(...)_HIJ_blablabla”。
在这种情况下,如何有效地结合模式识别和子串选择?
最佳答案
假设 2015mmdd
实际上表示某种“日期”,因此真实数据包含例如20150713
将执行以下操作:
substring(col_name, '[0-9]{8}_[A-Z]{2}_[A-Z]{2}_[A-Z]{3}_\([a-z]+\)_\([a-z]+\)')
这将返回以 8 个数字开头、后跟一个下划线、两个大写字符、一个下划线、两个大写字符、一个下划线、三个大写字符、一个下划线和一个左括号的子字符串后跟至少一个小写字母、右括号、下划线、左括号、至少一个小写字符和右括号。
如果 2015mmdd
确实意味着 2015
后跟字符串 mmdd
那么你需要这个:
substring(col_name, '[0-9]{4}mmdd_[A-Z]{2}_[A-Z]{2}_[A-Z]{3}_\([a-z]+\)_\([a-z]+\)')
关于regex - 如何在 Postgresql 中提取子字符串模式,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31381174/