在Snowflake/SQL中用正则提取Ruby序列化哈希指定字段值的方法

针对你提供的Ruby序列化哈希（YAML格式），要提取host_goal_to_have和host_goal_to_be_able后的内容，关键是处理内容可能跨多行的情况——这类内容的结束标记是下一个非缩进的键（即开头无空格的key:行）或者字符串末尾。

解决方案 #

使用Snowflake的REGEXP_SUBSTR函数，结合单行模式正则表达式匹配跨多行内容：

SELECT
  -- 提取host_goal_to_have的完整内容（含跨换行的部分）
  REGEXP_SUBSTR(your_ruby_hash_column, 'host_goal_to_have:\\s*(.*?)(?=\\n\\S|$)', 1, 1, 's') AS extracted_host_goal_to_have,
  -- 提取host_goal_to_be_able的内容
  REGEXP_SUBSTR(your_ruby_hash_column, 'host_goal_to_be_able:\\s*(.*?)(?=\\n\\S|$)', 1, 1, 's') AS extracted_host_goal_to_be_able
FROM your_target_table;

正则说明 #

• host_goal_to_have:\\s*：精准匹配字段名，跳过字段名后的任意空白（包括换行和空格）
• (.*?)：非贪婪模式匹配任意字符，搭配s模式（单行模式）让.能识别换行符，覆盖跨多行的内容
• (?=\\n\\S|$)：正向预查，匹配到下一行以非空白字符开头（即下一个哈希键）或字符串末尾时停止，确保只提取目标字段内容

测试验证 #

用你提供的样本数据测试，上述SQL会输出：

• extracted_host_goal_to_have：established a thriving community of actors supporting each other and turning passion into income!
• extracted_host_goal_to_be_able：reach people and unlock the artist inside them

内容的提问来源于stack exchange，提问作者bdavis