如何对无统一分隔符、长度不一的地址字段城市名做GROUP BY分组

你的示例数据如下：

核心逻辑 #

现有数据里的城市名全部在地址字段最开头，由纯英文字母组成，和后缀内容（门牌号、街道编号等）的边界是第一个非英文字母字符（可能是多空格、短横杠、数字），不需要统一分隔符，只要提取字段开头的连续英文字符段就能拿到准确城市名。

具体实现 #

根据你用的数据库类型选对应写法即可：

• 支持正则提取的数据库（MySQL 8.0+、PostgreSQL、Hive、Spark SQL、ClickHouse等）
  用正则^[a-zA-Z]+匹配开头连续字母，直接分组即可，代码示例：

SELECT
  REGEXP_SUBSTR(`Address`, '^[a-zA-Z]+') AS city,
  COUNT(DISTINCT `order id`) AS order_total
FROM your_table_name
GROUP BY REGEXP_SUBSTR(`Address`, '^[a-zA-Z]+');

针对示例数据的运行结果：

• 不支持正则的低版本MySQL（5.x及更早版本）
  先定位第一个数字出现的位置，截断前面的内容后清理掉多余的空格、短横杠即可：

SELECT
  TRIM(REPLACE(LEFT(`Address`, first_num_pos -1), '-', '')) AS city,
  COUNT(DISTINCT `order id`) AS order_total
FROM (
  SELECT
    *,
    LEAST(
      IFNULL(NULLIF(LOCATE('0', `Address`),0),999),
      IFNULL(NULLIF(LOCATE('1', `Address`),0),999),
      IFNULL(NULLIF(LOCATE('2', `Address`),0),999),
      IFNULL(NULLIF(LOCATE('3', `Address`),0),999),
      IFNULL(NULLIF(LOCATE('4', `Address`),0),999),
      IFNULL(NULLIF(LOCATE('5', `Address`),0),999),
      IFNULL(NULLIF(LOCATE('6', `Address`),0),999),
      IFNULL(NULLIF(LOCATE('7', `Address`),0),999),
      IFNULL(NULLIF(LOCATE('8', `Address`),0),999),
      IFNULL(NULLIF(LOCATE('9', `Address`),0),999)
    ) AS first_num_pos
  FROM your_table_name
) t
GROUP BY city;

适配调整 #

如果后续数据出现带空格的城市名（比如New York、Los Angeles），只要把正则规则改成^[a-zA-Z\\s]+，匹配到第一个数字/短横杠前的内容即可，核心逻辑不变。正式分组前建议先执行SELECT DISTINCT 提取出的城市名 FROM 表做校验，确认无异常值再做统计。

内容的提问来源于stack exchange，提问作者Ali Naveed