Snowflake正则：匹配最后斜杠与.parquet间下划线分隔文本

问题场景 #

给定文件路径：

test_stage/parquet_location/9f7d37fd-7039-4454-94ef-2b0cd6c3206a_b1df97ad-54dc-4fc9-a099-1fb9cd6530be_custom_1696963985.parquet

需要提取最后一个/与.parquet之间由_分隔的所有分段，预期结果：

• 9f7d37fd-7039-4454-94ef-2b0cd6c3206a
• b1df97ad-54dc-4fc9-a099-1fb9cd6530be
• custom
• 1696963985

原表达式问题 #

你尝试的(?<=/)[^/_]+(_[^/_]+)*.parquet无法满足需求，原因是该表达式会匹配从最后一个/到.parquet的整个字符串，而非拆分_分隔的独立分段。

解决方案 #

方案1：先提取目标子串再拆分 #

先通过正则提取最后一个/到.parquet之间的完整子串，再用SPLIT函数按_拆分：

SELECT SPLIT(
    REGEXP_SUBSTR(
        'test_stage/parquet_location/9f7d37fd-7039-4454-94ef-2b0cd6c3206a_b1df97ad-54dc-4fc9-a099-1fb9cd6530be_custom_1696963985.parquet',
        '[^/]+(?=\.parquet$)'
    ),
    '_'
) AS split_segments;

方案2：直接用regexp_substr_all匹配所有分段 #

使用精准正则直接匹配每个符合要求的分段，无需额外拆分：

SELECT REGEXP_SUBSTR_ALL(
    'test_stage/parquet_location/9f7d37fd-7039-4454-94ef-2b0cd6c3206a_b1df97ad-54dc-4fc9-a099-1fb9cd6530be_custom_1696963985.parquet',
    '(?<=/|_)([^_.]+)(?=_|\.parquet)'
) AS matched_segments;

正则解释：

• (?<=/|_)：正向预查，确保当前匹配段的前导是/或_
• ([^_.]+)：匹配不含_和.的字符，即单个分段内容
• (?=_|\.parquet)：正向预查，确保当前匹配段的后续是_或.parquet

内容的提问来源于stack exchange，提问作者HelloWorld