在 SQL (Presto) 中的字符串中查找模式的第 n 次出现

Question

我正在使用函数 regexp_extract 在 Presto SQL 中编写查询

我有一个可能类似于以下示例的字符串：

'1A2B2C3D3E'
'1A1B2C2D3E'
'1A2B1C2D2E'

我要做的是找到例如 second 出现的 1[A-E]。

如果我尝试

regexp_extract(col, '(1[A-E])(1[A-E])', 2)

这将适用于第二个示例（第一个示例，因为它没有返回任何内容，因为没有第二次出现）。但是，这对于第三个示例将失败。它什么也不返回。我知道这是因为我的正则表达式正在搜索一个 1[A-E]，直接 后面跟着另一个 1[A-E]。

然后我尝试了

regexp_extract(col, '(1[A-E])(.*)(1[A-E])', 3)

但这也不起作用。我不确定如何解释我可能有 1A1B2C 或 1A2B1C 来找到第二个 1。有什么帮助吗？

Answer 1

您的第二个模式在最新版本的 Trino (formerly known as Presto SQL) 中确实有效：

WITH t(col) AS (
  VALUES 
    '1A2B2C3D3E', 
    '1A1B2C2D3E',
    '1A2B1C2D2E')
SELECT regexp_extract(col, '(1[A-E])(.*)(1[A-E])', 3)
FROM t

 _col0
-------
 NULL
 1B
 1C
(3 rows)

正如其他人评论的那样，对于第一次匹配或 .*，您不需要捕获组，并且您应该使用惰性量词来避免 .* 急切匹配第一次和最后一次出现之间的所有字符：

WITH t(col) AS (
    VALUES 
        '1A2B2C3D3E', 
        '1A1B2C2D3E',
        '1A2B1C2D2E', 
        '1A2B1C2D1E') 
SELECT regexp_extract(col, '1[A-E].*?(1[A-E])', 1)
FROM t

 _col0
-------
 NULL
 1B
 1C
 1C
(4 rows)

Answer 2

您不需要第二个捕获组 (.*) 将 2 个捕获组保留在结果中，您可以选择匹配其间允许的字符。

根据我在this page 上阅读的内容，您还可以考虑使用regexp_extract_all 来获取所有匹配项，因为regexp_extract 返回第一个匹配项。

由于示例数据由一个数字后跟一个字符 A-E 组成，因此您可以从字符类中排除匹配 1 以防止过度匹配和回溯。

(1[A-E])[02-9A-E]*(1[A-E])

Regex demo

如果使用单个捕获组获取第二个值也可以，可以使用

1[A-E][02-9A-E]*(1[A-E])

Regex demo