AWS Redshift正则表达式提取服务器名：排除末尾附加的root

需求是从指定字符串中提取服务器名，规则如下：

• 服务器名格式为「字母+数字」或「字母+数字+字母」
• 不能是'root'
• 数据源会在字符串末尾附加'root'，示例及预期提取结果：
  • ab-vol-bapp000123-use-dev → 提取 app000123
  • ab-vol-bapp000123sql-use-dev → 提取 app000123sql
  • ab-vol-bapp000123root-use-dev → 提取 app000123
  • ab-vol-bapp000123sqlroot-use-dev → 提取 app000123sql

之前尝试的正则无法正确排除末尾的'root'，原正则如下：

(^ab-vol-)   # literal
([a-z]{2,4}) # 2-4 alphas
([0-9]{4,6}) # 4-6 numerics
(
  (?!root)   # ignore 'root'
  [a-z]{0,4} # 0-4 alphas
)?

问题分析 #

原正则中的(?!root)是正向否定预查，仅检查当前位置后不是'root'，但未限制后续字符不能是'root'的一部分，导致无法正确截断末尾的'root'后缀。

正确的正则写法 #

结合AWS Redshift支持的POSIX扩展正则语法，可使用以下正则：

ab-vol-b([a-z]{2,4}[0-9]{4,6}(?:[a-z]*?(?<!root)))(?=-)

正则解释 #

1. ab-vol-b：匹配固定前缀，跳过非目标部分
2. [a-z]{2,4}[0-9]{4,6}：匹配服务器名的「字母+数字」核心结构
3. (?:[a-z]*?(?<!root))：
   • [a-z]*?：非贪婪匹配后续字母，避免过度匹配
   • (?<!root)：反向否定预查，确保匹配的字母段结尾不是'root'
4. (?=-)：正向预查，定位到后续连字符位置，实现精准截断

测试验证 #

对示例字符串的捕获组结果完全符合预期：

• ab-vol-bapp000123-use-dev → app000123
• ab-vol-bapp000123sql-use-dev → app000123sql
• ab-vol-bapp000123root-use-dev → app000123
• ab-vol-bapp000123sqlroot-use-dev → app000123sql

Redshift实际使用示例 #

通过REGEXP_SUBSTR函数提取：

SELECT 
  REGEXP_SUBSTR('ab-vol-bapp000123root-use-dev', 'ab-vol-b([a-z]{2,4}[0-9]{4,6}(?:[a-z]*?(?<!root)))(?=-)', 1, 1, 'e', 1) AS server_name;

参数说明：'e'指定使用扩展正则语法，最后一个1表示提取第一个捕获组的内容。

内容的提问来源于stack exchange，提问作者SimonB