PostgreSQL 11 提取特殊字符'('前所有字符串的实现方法

问题说明 #

表字段col1存储的是用|分隔的指标值，部分指标后面带括号包裹的注释内容，需要删除所有(开头、)结尾的注释片段，保留括号前的指标名称，原有正则^(.*) \(.*因贪婪匹配仅能处理最后一个括号，无法全局生效。

样例原始数据：

col1
BCR-ABL (translocation) | MLL-AF4 (translocation) | E2A-PBX1 (translocation) | TEL-AML1 (translocation) | c-MYC (rearrangement) | CRLF2 (rearrangement) | PAX5 (rearrangement) 
EVC1 | EVC2 
EBF3 
TMCO1 

期望输出：

col1
BCR-ABL | MLL-AF4 | E2A-PBX1 | TEL-AML1 | c-MYC | CRLF2 | PAX5  
EVC1 | EVC2 
EBF3 
TMCO1

正确实现方式 #

直接使用PostgreSQL内置的regexp_replace函数，开启全局替换标志，匹配所有括号注释片段并删除即可，无需额外分支判断：

SELECT
  regexp_replace(col1, '\s*\([^)]*\)', '', 'g') AS col1
FROM 你的表名;

规则说明 #

• 匹配规则\s*\([^)]*\)的含义：
  • \s*：匹配括号前0到多个空白字符，避免删除括号后|分隔符前后残留多余空格
  • \(：转义匹配左括号(（括号是正则特殊字符，必须转义）
  • [^)]*：匹配任意个非右括号的字符，也就是两个括号中间的注释内容
  • \)：转义匹配右括号)
• 替换值为空字符串，即把所有匹配到的注释片段直接删掉
• 替换标志g代表全局匹配，会处理字段内所有符合规则的片段，而非仅处理第一个/最后一个匹配项

效果说明 #

• 存在多个括号注释的行，会一次性删除所有(注释内容)片段，得到干净的指标名称拼接结果
• 不存在括号的行（比如纯EVC1 | EVC2、EBF3这类值）匹配不到规则，会原样返回，完全符合预期
• 原写法失效的核心原因是整行贪婪匹配逻辑，仅能捕获到最后一个(的位置做截断，无法处理多括号场景。

内容的提问来源于stack exchange，提问作者rshar