Databricks SQL：如何验证含短横线的字符串分段是否在有效值列表

核心思路是：既然字符串是严格的三段结构（哪怕后两段内部有短横线），那我们只需要定位第一个短横线和最后一个短横线的位置，就能准确拆分出三段内容，不用管中间有多少短横线。

步骤1：拆分三段字符串 #

用Databricks SQL自带的字符串函数就能实现，示例SQL如下（假设目标表是data_table，待处理字段是target_string）：

SELECT
  target_string,
  -- 提取第一段：从开头到第一个短横线之前的内容
  SUBSTR(target_string, 1, INSTR(target_string, '-') - 1) AS substring1,
  -- 提取第二段：第一个短横线之后，到最后一个短横线之前的内容
  SUBSTR(
    target_string,
    INSTR(target_string, '-') + 1,
    LENGTH(target_string) - INSTR(target_string, '-') - INSTR(REVERSE(target_string), '-')
  ) AS substring2,
  -- 提取第三段：最后一个短横线之后的内容
  SUBSTR(target_string, LENGTH(target_string) - INSTR(REVERSE(target_string), '-') + 2) AS substring3
FROM data_table
WHERE target_string LIKE '%-%-%' -- 先过滤出至少包含两个短横线的字符串

步骤2：验证第二段和第三段的有效性 #

基于上面拆分出的字段，直接用IN子句匹配各自的有效值列表即可。假设第二段有效值是('dev-test', 'prod-stage')，第三段有效值是('us-east', 'eu-west-1')，示例SQL：

SELECT
  target_string,
  substring1,
  substring2,
  substring3,
  -- 验证第二段是否有效
  CASE WHEN substring2 IN ('dev-test', 'prod-stage') THEN 'VALID' ELSE 'INVALID' END AS substring2_status,
  -- 验证第三段是否有效
  CASE WHEN substring3 IN ('us-east', 'eu-west-1') THEN 'VALID' ELSE 'INVALID' END AS substring3_status
FROM (
  -- 嵌套步骤1的拆分逻辑
  SELECT
    target_string,
    SUBSTR(target_string, 1, INSTR(target_string, '-') - 1) AS substring1,
    SUBSTR(
      target_string,
      INSTR(target_string, '-') + 1,
      LENGTH(target_string) - INSTR(target_string, '-') - INSTR(REVERSE(target_string), '-')
    ) AS substring2,
    SUBSTR(target_string, LENGTH(target_string) - INSTR(REVERSE(target_string), '-') + 2) AS substring3
  FROM data_table
  WHERE target_string LIKE '%-%-%'
) split_result

关键函数说明 #

• INSTR(str, '-')：返回字符串中第一个短横线的位置
• REVERSE(str)：反转字符串，配合INSTR就能找到原字符串最后一个短横线的位置（反转后第一个短横线的位置，对应原字符串末尾到最后一个短横线的距离）
• SUBSTR(str, start, length)：按起始位置和长度截取字符串，精准提取目标段内容

内容的提问来源于stack exchange，提问作者Xaldin