Snowflake中如何提取文本字段内'was'与'by'之间的单词

针对给出的固定格式文本，可通过以下两种方式提取目标关键词，优先推荐正则方案，容错性更高。

方案1：正则匹配提取（推荐） #

使用Snowflake内置的REGEXP_SUBSTR函数，通过捕获组直接抓取两个固定关键词中间的内容，不受手机号长度、前后空格数量变化的影响：

SELECT
  REGEXP_SUBSTR(your_text_column, 'was\\s+(\\w+)\\s+by:', 1, 1, 'e', 1) AS flag_type
FROM your_table;

参数说明：

• \\s+ 匹配任意数量的空白字符，兼容文本中意外多打空格的场景
• 最后一个参数1指定返回第一个捕获组的内容，也就是was和by之间的单词，可自动识别flagged/unflagged两种取值
• 如果需要严格匹配大小写，可移除参数中的'e'配置

方案2：字符串切分提取（格式完全固定场景适用） #

如果文本100%严格符合给出的样例格式，没有任何格式波动，可以用字符串拆分的方式实现，性能比正则略高：

SELECT
  TRIM(SPLIT_PART(SPLIT_PART(your_text_column, 'was', 2), 'by', 1)) AS flag_type
FROM your_table;

逻辑说明：

• 第一次以was为分隔符切分文本，取分隔符后的第二段内容
• 第二次以by为分隔符切分上一步的结果，取分隔符前的第一段内容
• 最后用TRIM去除内容前后的多余空格，得到目标值

异常值兜底校验 #

由于目标值只有flagged/unflagged两种，可以加一层校验逻辑，标记异常格式的数据：

SELECT
  CASE
    WHEN flag_type IN ('flagged', 'unflagged') THEN flag_type
    ELSE NULL -- 异常值可按需替换为自定义标记，比如'invalid_format'
  END AS checked_flag_type
FROM (
  SELECT REGEXP_SUBSTR(your_text_column, 'was\\s+(\\w+)\\s+by:', 1, 1, 'e', 1) AS flag_type
  FROM your_table
) t;

内容的提问来源于stack exchange，提问作者reachbgk