PostgreSQL如何用regex_replace提取文件名与日期？

假设你的表名为files，存储目标文本的列名为file_info，以下是针对需求的具体实现：

提取文件名（12345678.PDF） #

方法1：用regexp_replace替换无关内容 #

SELECT regexp_replace(file_info, '.*\\\\([^\\[]+)\\s*\\[.*', '\\1') AS filename
FROM files;

正则逻辑说明：

• .*\\\\：贪婪匹配到最右侧的反斜杠（定位到文件名的前置分隔符）
• ([^\\[]+)：捕获文件名，匹配所有非[的字符（文件名后紧跟 [SHA1]结构）
• \\s*\\[.*：匹配文件名后的空格、[及后续所有内容
• 最终用捕获组\\1替换整个字符串，仅保留文件名

方法2：用substring直接捕获目标 #

SELECT substring(file_info FROM '\\\\[^\\\\]+\\\\([^\\[]+)\\s*\\[') AS filename
FROM files;

通过正则直接定位并提取捕获组内容，结果与方法1一致。

提取日期（20221122） #

方法1：基于文件名位置捕获日期 #

SELECT regexp_replace(file_info, '.*\\\\(\\d{8})\\\\[^\\[]+\\s*\\[.*', '\\1') AS file_date
FROM files;

正则逻辑说明：

• .*\\\\：匹配到倒数第二个反斜杠前的所有内容
• (\\d{8})：捕获8位数字格式的日期
• \\\\[^\\[]+\\s*\\[.*：匹配日期后的反斜杠、文件名及后续内容
• 替换后保留捕获的8位日期

方法2：用regexp_match提取数组中的捕获组 #

SELECT (regexp_match(file_info, '\\\\(\\d{8})\\\\'))[1] AS file_date
FROM files;

regexp_match返回匹配结果数组，取第一个元素即为日期（适用于文本中仅存在一处"反斜杠+8位数字+反斜杠"的场景）。

内容的提问来源于stack exchange，提问作者Alsheik