带有正则表达式的 CASE：“在不能接受集合的上下文中调用的集合值函数”

Question

我正在尝试在 PostgreSQL 9.0.1 中进行稍微复杂的字符串转换。 my_col 中的值是长字符串，格式为：

'12345_sometext_X12B_1'
'12345_sometext_optionaltext_Y09B_1'
'12345_sometext_optionaltext_X12A_1'

我需要将“X12”部分转换为已知数值，有几个不同的已知值（最多 5 个）。

我希望能够在一个查询中确定这一点，而无需子查询。但是，以下内容对我不起作用。最后一列是引发异常的列。由于某种原因，我似乎无法使用这些函数的输出组合来执行CASE 语句。我将前面的列包括在内仅用于演示目的。

select
          regexp_matches(my_col, E'^.*_([^_]*)[A-Z]{1}_\\d*$'), -- returns {'X12'}
         (regexp_matches(my_col, E'^.*_([^_]*)[A-Z]{1}_\\d*$'))[1], -- returns 'X12'
    case (regexp_matches(my_col, E'^.*_([^_]*)[A-Z]{1}_\\d*$'))[1]
        when 'X12' then '1200'
        when 'Y09' then '950'
        else '?' end -- should return '1200' but throws error
from my_table;

相反，我得到了错误：

ERROR: set-valued function called in context that cannot accept a set
SQL state: 0A000

有人可以给我建议吗？

Answer 1

给定数据：

create table my_table(my_col text);
insert into my_table(my_col) values
('12345_sometext_X12B_1'),
('12345_sometext_optionaltext_Y09B_1'),
('12345_sometext_optionaltext_X12A_1'),
('nomatch');

上述查询确实会产生您报告的错误。很奇怪，因为：

SELECT pg_typeof((regexp_matches(my_col, E'^.*_([^_]*)[A-Z]{1}_\\d*$'))[1]);

返回“文本”。不过，它真的应该说setof text，这就是陷阱：regex_matches 是一个集合返回函数。当在 PostgreSQL 中的 FROM 子句之外调用时，它们具有......有趣的......行为。

来自pattern matching：

regexp_matches 函数返回一个包含所有 从匹配 POSIX 正则表达式中捕获的子字符串 图案。它的语法为 regexp_matches(string, pattern [, flags ])。 该函数可以不返回任何行、一行或多行

尝试重新构造您的查询以使用子查询来调用 SRF。但是，如果匹配器返回多于一行，这将失败：

SELECT 
  CASE (SELECT x[1] FROM regexp_matches(my_col, E'^.*_([^_]*)[A-Z]{1}_\\d*$') x)
    WHEN 'X12' THEN '1200'
    WHEN 'Y09' THEN '950'
    ELSE '?'
  END
FROM my_table;

---

想看看 SELECT 中的 SRF 在 Pg 中有多奇怪吗？比较这些查询的结果：

SELECT generate_series(1,10), generate_series(1,15);

和：

SELECT generate_series(1,10), generate_series(1,20);

第一个产生 30 行。第二个产生 20 个。玩得开心解释为什么。 Pg 中的 SELECT 列表中的多个 SRF 会产生疯狂的结果，如果偶尔有用的话。

PostgreSQL 9.3 支持 SQL 标准的 LATERAL 子句，这要归功于 Tom Lane，它为当前行为提供了一个健全且定义明确的替代方案。

Answer 2

regexp_matches() 返回SETOF text[]（一组文本数组），这对于同一字符串中的一个模式的多个匹配非常有用。但对于这项任务来说，它只是错误的工具。

将substring() 与正则表达式一起使用。它返回text。重用demo table in @Craig's answer:

SELECT CASE substring(my_col, '^.*_([^_]*)[A-Z]_\d*$')
         WHEN 'X12' THEN '1200'
         WHEN 'Y09' THEN '950'
         ELSE            '?'
       END As result
FROM   my_table;

返回：

 result
--------
 1200
 950
 1200
 ?

还稍微简化了正则表达式。 {1} 只是噪音。

如果您需要优化性能，请尽量不用正则表达式，因为它功能强大但相对昂贵。比如：

reverse(right(split_part(reverse(my_col), '_', 2), -1))

看起来更复杂，但在我的测试中仍然更快。