Redshift中移除数字与非数字间空白失败问题排查

需求说明 #

需要移除药物成分字段中数字与非数字之间的空白，示例如下：

原字段值： #

CLORIDRATO DE TRAMADOL 37.5 MG E PARACETAMOL 325 MG
ATEZOLIZUMABE 1.200 MG
ATENOLOL 25 MG
DUPILUMABE 175 MG/ML
CLORETO DE SODIO 2.34 MG/ML E CLORETO DE POTASSIO 1.49 MG/ML E CITRATO DE SODIO 1.96 MG/ML E GLICOSE 19.83 MG/ML

期望结果： #

CLORIDRATO DE TRAMADOL 37.5MG E PARACETAMOL 325MG
ATEZOLIZUMABE 1.200MG
ATENOLOL 25MG
DUPILUMABE 175MG/ML
CLORETO DE SODIO 2.34MG/ML E CLORETO DE POTASSIO 1.49MG/ML E CITRATO DE SODIO 1.96MG/ML E GLICOSE 19.83MG/ML

问题原因 #

你使用的正则表达式(\d+)\s(\D)无法生效，核心问题如下：

• 匹配范围不全：\d+只能匹配连续的纯数字，无法识别带小数点的数字（比如37.5）。以37.5 MG为例，\d+会匹配37，但后面的.不属于数字字符，导致整个正则无法匹配到37.5和MG之间的空格。
• 未覆盖全局替换（部分SQL方言）：部分SQL实现中，regexp_replace默认只替换第一个匹配项，但这不是当前无效果的主要原因，主因还是正则的匹配逻辑错误。

解决方案 #

修改正则表达式，使其能匹配包含可选小数部分的数字，再匹配后续空格和非数字字符，同时确保全局替换（按需添加标志）：

通用SQL语句 #

regexp_replace(medication_component, '(\d+(?:\.\d+)?)\s([^\d\s])', '$1$2', 'g') as new_medication_component

正则规则解释 #

• (\d+(?:\.\d+)?)：匹配整数或带小数的数字，(?:\.\d+)?是可选的非捕获组，用来匹配小数部分（比如.5、.200）。
• \s：精准匹配数字与非数字之间的空白字符。
• ([^\d\s])：匹配非数字且非空白的目标字符（比如M、/）。
• 'g'：全局替换标志（PostgreSQL等方言需要显式添加，MySQL默认全局替换可省略）。

场景简化版 #

如果你的非数字部分仅包含大写字母和/，可以进一步简化正则：

regexp_replace(medication_component, '(\d+\.?\d*)\s([A-Z/])', '$1$2', 'g') as new_medication_component

内容的提问来源于stack exchange，提问作者Mariana