如何使用REGEXP_SUBSTR捕获第三个间隔后的单词？

问题分析 #

给定的文本数据以连续空白符作为间隔，需要提取第三个间隔之后的第一个完整单词。原SQL的正则表达式存在语法错误，且匹配逻辑不符合需求，无法得到期望结果。

数据示例 #

Y091234ABC     100        DEF100.25      DEF200 DEF300      DEF10000

Y091234ABC       5000.75      DEF25000 DEF200000          DEF3000    DEF10000000 DEF100000

期望结果 #

DEF200
DEF200000

正确的SQL实现 #

核心思路 #

使用REGEXP_SUBSTR函数，通过正则匹配前三个由空白符分隔的字段后，提取下一个非空白符序列。核心逻辑是定位前三个字段的完整范围，再捕获后续的目标单词。

具体SQL语句 #

Oracle 版本

SELECT REGEXP_SUBSTR(DATA, '^(\S+\s+){3}(\S+)', 1, 1, NULL, 2) AS target_word
FROM TBL;

MySQL 版本

SELECT REGEXP_SUBSTR(DATA, '^\\S+\\s+\\S+\\s+\\S+\\s+(\\S+)', 1, 1, '', 1) AS target_word
FROM TBL;

正则说明 #

• \S+：匹配一个或多个非空白字符，对应单个字段内容
• (\S+\s+){3}：重复3次，匹配前三个字段及后续的空白间隔
• (\S+)：捕获第四个字段，也就是第三个间隔后的目标单词
• 末尾的数字参数指定返回对应捕获组的内容（Oracle用2，MySQL用1）

原SQL的问题 #

原正则\s{3}[A-Z{3}\d+\.\d+存在两处关键错误：

1. 语法错误：[A-Z{3}中左括号未闭合，字符集定义逻辑混乱，正确的字符范围应该是[A-Z0-9.]
2. 逻辑错误：仅匹配三个空白符后的片段，没有考虑前三个字段的完整结构，无法准确定位到目标位置

内容的提问来源于stack exchange，提问作者Richard