Snowflake中如何提取关键字'theTags'后的首组字母数字字符

问题场景 #

现有Snowflake表sample，列v包含如下数据：

create table sample as
select ' dsaljkdlsakj 232 11 sdlksaffeoi theTags: 123456 , wewds l [ ] ' as v
union 
select 'weqreqf fdffrok skdjsa theTags 1233228, dsdad 22 ' as v
union 
select ' eeofkdspof kosadk 3e theTags: ab123232 & [dsda ] '  as v
union
select ' eeofkdspof kosadk 3e theTags23248ab & [dsda ] '  as v
union
select ' eeofkdspof kosadk 3e theTags 23233ab# & [dsda ] '  as v

需要提取关键字theTags之后的第一组连续字母数字字符，要求排除后续的非字母数字符号（比如#、逗号等）。

错误方法分析 #

• 第一种写法仅返回theTags本身，因为正则只匹配了关键字，未涉及后续目标字符：

  select reg_exp_substr(v,'theTags',1,1,'e') AS result from sample
  

• 第二种写法硬编码了字符长度，且依赖空格分隔，无法处理theTags直接拼接目标字符（如theTags23248ab）或带冒号的场景，同时不能自动终止在非字母数字字符前：

  select 
  SPLIT_PART(reg_exp_substr(v,'theTags [a-zA-Z0-9][a-zA-Z0-9][a-zA-Z0-9][a-zA-Z0-9][a-zA-Z0-9]'), ' ',2) as result 
  from sample
  

正确解决方案 #

使用带捕获组的正则表达式，通过REGEXP_SUBSTR直接提取目标内容：

SELECT 
  REGEXP_SUBSTR(v, 'theTags[^a-zA-Z0-9]*([a-zA-Z0-9]+)', 1, 1, 'e', 1) AS result
FROM sample;

正则说明 #

• theTags：精准匹配关键字
• [^a-zA-Z0-9]*：匹配关键字后所有非字母数字的分隔字符（包括冒号、空格，甚至无分隔直接拼接的情况，*表示0个或多个）
• ([a-zA-Z0-9]+)：捕获第一组连续的字母数字字符，+表示至少一个，遇到第一个非字母数字字符（如#、逗号）自动停止
• 最后一个参数1：指定返回正则表达式中第一个捕获组的内容

执行结果 #

内容的提问来源于stack exchange，提问作者StackOne