如何在 Postgresql 中提取子字符串模式

Question

我有一个列有很多不一致的字符串。其中一些包含我想提取的具有一致模式 '2015mmdd_AB_CD_EFG_(text)_(text)_HIJ' 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, '........_.._.._..._.+_.+_...')

它没有按预期结束输出，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？

Answer 1

假设 2015mmdd 实际上意味着某种 "date"，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}_\([a-z]+\)_\([a-z]+\)')

此 returns 子字符串以 8 个数字开头，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，再后跟一个下划线，后跟三个大写字符，再后跟一个下划线后跟左括号，后跟至少一个小写字母，后跟右括号，再后跟下划线，再后跟左括号，再后跟至少一个小写字符，后跟右括号。

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

How to extract a substring pattern in Postgresql