如何编写正则表达式忽略特定数据段中的分隔符？

问题场景 #

现有以/分隔的字符串，常规拆分逻辑REGEXP_SUBSTR(ORGDATA, '(.*?)/|$', 1, COLUMN_VALUE, NULL, 1)能正常拆分：

原始数据：FDTYP/TESTTYPE/FDPERIOD/31 Day(s)/MAT_INST/CREDIT_TO_ACC/DEPTACCT/0016/
拆分结果：{"FDTYP", "TESTTYPE", "FDPERIOD", "31 Day(s)", "MAT_INST", "CREDIT_TO_ACC", "DEPTACCT", "0016"}

但当第二个字段包含/时，常规拆分会错误切割该字段：

异常数据：FDTYP/FD2323*/*/*-/FDPERIOD/31 Day(s)/MAT_INST/CREDIT_TO_ACC/DEPTACCT/0016/
错误结果：{"FDTYP", "FD2323*", "*", "*-", "FDPERIOD", "31 Day(s)", "MAT_INST", "CREDIT_TO_ACC", "DEPTACCT", "0016"}
期望结果：{"FDTYP", "FD2323*/*/*-", "FDPERIOD", "31 Day(s)", "MAT_INST", "CREDIT_TO_ACC", "DEPTACCT", "0016"}

解决方案 #

由于第二个字段的边界固定（FDTYP/之后，/FDPERIOD之前），可以针对不同位置的字段匹配不同规则，用CASE分支结合正则实现正确拆分：

CASE
  -- 提取第一个字段：从开头到第一个/的内容
  WHEN COLUMN_VALUE = 1 THEN REGEXP_SUBSTR(ORGDATA, '^([^/]+)', 1, 1, NULL, 1)
  -- 提取第二个字段：锁定边界，保留内部/
  WHEN COLUMN_VALUE = 2 THEN REGEXP_SUBSTR(ORGDATA, '(?<=FDTYP/)(.*?)(?=/FDPERIOD)', 1, 1, NULL, 1)
  -- 提取第3及以后的字段：从/FDPERIOD/开始按原逻辑拆分
  ELSE REGEXP_SUBSTR(ORGDATA, '(?<=/FDPERIOD/)(.*?)(?=/|$)', 1, COLUMN_VALUE - 2, NULL, 1)
END AS DATALABEL

如果想只用一个正则表达式实现（不依赖CASE分支），可以使用带分支的正则，让REGEXP_SUBSTR按位置提取：

REGEXP_SUBSTR(ORGDATA, 
  '(^[^/]+)|(?<=FDTYP/).*?(?=/FDPERIOD)|(?<=/FDPERIOD/)(.*?)(?=/|$)', 
  1, COLUMN_VALUE, NULL, 1
) AS DATALABEL

原理说明 #

• 第一个字段：用^([^/]+)匹配字符串开头到第一个/的非/字符，确保只取FDTYP。
• 第二个字段：用正向环视(?<=FDTYP/)和(?=/FDPERIOD)锁定边界，中间的.*?会匹配包括/在内的所有内容，直到遇到/FDPERIOD为止。
• 后续字段：从/FDPERIOD/之后开始，按原逻辑匹配每个/分隔的字段，用COLUMN_VALUE - 2对应后续字段的顺序。

内容的提问来源于stack exchange，提问作者Amir Hamzah