AWS Athena regexp_replace替换版本号出现多余句号问题求助

问题原因 #

你当前的正则表达式.*?(?<=OS%20)(\d+)_(\d{1,2})|.*包含两个匹配分支：

1. 第一个分支匹配OS%20后的版本号（如16_1），捕获组$1和$2分别得到16和1
2. 第二个分支.*会匹配字符串中未被第一个分支覆盖的剩余内容，这部分没有捕获组，导致$1和$2为空，替换后生成..

两个分支的替换结果拼接后，就出现了16.1..的异常结果。

解决方案 #

根据你的需求（格式化版本号分隔符，或提取格式化后的版本号），提供三种可行方案：

方案1：提取并格式化版本号（仅得到16.1这类结果） #

用regexp_extract先精准提取目标版本号，再用replace替换分隔符，逻辑更清晰：

replace(
    regexp_extract(useragent, '(?<=OS%20)(\\d+)_(\\d{1,2})', 0),
    '_',
    '.'
)

• regexp_extract负责提取OS%20后的数字_数字片段
• replace将提取结果中的_替换为.

方案2：修改整个User Agent中的版本号格式（保留其他内容） #

如果需要保留完整的User Agent字符串，仅替换目标版本号的分隔符，用精准断言定位目标_：

regexp_replace(
    useragent,
    '(?<=(?<=OS%20)\\d+)_(?=\\d{1,2})',
    '.'
)

• 嵌套正向断言(?<=(?<=OS%20)\d+)确保_前是OS%20后的数字
• 正向断言(?=\d{1,2})确保_后是1-2位数字
• 仅替换符合条件的_为.，不会改动字符串其他部分

方案3：优化原regexp_replace逻辑 #

如果坚持使用原思路，调整正则为一次性匹配整个字符串，避免多分支匹配：

regexp_replace(
    useragent,
    '.*(?<=OS%20)(\\d+)_(\\d{1,2}).*',
    '$1.$2'
)

• 用.*包裹目标匹配片段，确保整个字符串仅被匹配一次，替换后只生成一组$1.$2结果，避免多余句号

内容的提问来源于stack exchange，提问作者anongal