如何在Snowflake中用regexp_substr从S3路径提取客户端名称

你的需求是从S3文件路径中提取倒数第二个目录的名称（示例中的Client ABC），该名称可能包含空格或下划线。原语句的正则匹配的是文件名，完全偏离了目标，以下是两种可行方案：

方案一：正则表达式（灵活适配路径结构） #

使用正则捕获倒数第二个/与最后一个/之间的内容，这部分就是客户端名称：

SELECT REGEXP_SUBSTR(METADATA$FILENAME, '.+/([^/]+)/[^/]+\\.csv$', 1, 1, 'e') AS client_name;

正则逻辑说明： #

• .+/：匹配路径中倒数第二个/之前的所有内容
• ([^/]+)：捕获倒数第二个/和最后一个/之间的所有非/字符（支持空格、下划线等任意非路径分隔符的字符）
• /[^/]+\.csv$：匹配最后一个/到.csv结尾的文件名部分
• 'e'参数：指定返回正则中第一个捕获组的内容，也就是我们需要的客户端名称

方案二：拆分路径（适用于固定结构的路径） #

如果你的S3路径结构固定（客户端目录始终是倒数第二个层级），可以用SPLIT_PART拆分路径，代码更直观：

SELECT SPLIT_PART(REPLACE(METADATA$FILENAME, 's3://', ''), '/', 6) AS client_name;

逻辑说明： #

1. 先用REPLACE去掉s3://前缀
2. 用/作为分隔符拆分路径，示例中Client ABC是第6个拆分段（从1开始计数）

注意：此方法仅在路径层级固定时有效，若路径结构有变动，优先选择正则方案

测试示例路径时，两种方案都会返回Client ABC，满足需求。

内容的提问来源于stack exchange，提问作者Sara