regex - 如何在 Postgresql 中提取子字符串模式

Question

我有一列包含很多不一致的字符串。其中一些包含一个'2015mmdd_AB_CD_EFG_(text)_(text)_HIJ'我想提取的具有一致模式的子字符串。我觉得这是正则表达式和子字符串命令的交叉案例。

到目前为止，我最好的方法是相当丑陋

substring(col_name, '........_.._.._..._.+_.+_...')

它不会根据需要结束输出，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？

Answer 1

假设这2015mmdd实际上意味着某种“日期”，以便真实数据包含例如20150713以下内容：

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 个数字开头的子字符串，后跟一个下划线，后跟两个大写字符，后跟一个下划线，后跟两个大写字符，后跟一个下划线，后跟三个大写字符，后跟一个下划线，后跟一个左括号，然后是 at租用一个小写字母，后跟一个右括号，然后是一个下划线，然后是一个左括号，然后是至少一个小写字符，后跟一个右括号。

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}_\([a-z]+\)_\([a-z]+\)')