Snowflake查询关联S3的Stage时，如何忽略非JSON格式文件？

有三种常用方法可以避免HTML文件导致的JSON解析错误，实现查询时仅读取JSON文件：

1. 查询时临时指定文件匹配规则 #

在查询语句中通过pattern参数添加正则表达式，仅匹配后缀为.json的文件：

SELECT s.$1 FROM @RAW.DEV.STAGE_LOCAL 
(file_format => 'JSON', pattern => '.*\\.json') AS s

这里的.*\\.json是正则表达式，用于匹配任意字符结尾为.json的文件，Snowflake中需用双反斜杠转义点号。

2. 创建Stage时预设过滤规则 #

如果该Stage长期仅需读取JSON文件，可在创建Stage时直接指定pattern参数，后续查询无需重复设置：

CREATE OR REPLACE STAGE RAW.DEV.STAGE_LOCAL
URL = 's3://your-bucket-path'
FILE_FORMAT = (FORMAT_NAME = 'JSON')
PATTERN = '.*\\.json';

之后执行原查询语句即可自动忽略非JSON文件。

3. 路径+文件名双重过滤 #

若存储桶内文件有固定路径结构（比如JSON文件都在json_data/目录下），可结合file_path和pattern参数进一步缩小读取范围：

SELECT s.$1 FROM @RAW.DEV.STAGE_LOCAL 
(file_format => 'JSON', file_path => 'json_data/', pattern => '.*\\.json') AS s

内容的提问来源于stack exchange，提问作者LMF