Redshift替换特殊Unicode字符：无法移除U202C及过滤非字母数字方法

Redshift的regexp_replace函数默认使用POSIX正则语法，不支持直接识别\uXXXX格式的Unicode码点表示，你写的[\u202C]会被解析为普通字符\、u、2、0、2、C的匹配集合，自然无法匹配到U+202C这个不可见控制字符。
正确写法是通过CHR函数生成对应Unicode字符再匹配，U+202C的十进制码值为8236，修改后SQL如下：

SELECT regexp_replace('race‬', CHR(8236)), len(regexp_replace('race‬', CHR(8236)))

执行后可以看到返回字符串长度为4，说明控制字符已被成功移除。

直接使用POSIX字符类[:alnum:]匹配所有字母、数字，反向匹配所有非字母数字字符替换为空即可，语法如下：

-- 替换<目标字段>为你要处理的字段名，<表名>替换为实际表名
SELECT regexp_replace(<目标字段>, '[^[:alnum:]]', '') AS cleaned_str FROM <表名>;

如果需要额外保留指定字符（如下划线、横线等），直接在中括号内补充对应字符即可，例如下方写法会额外保留下划线：

SELECT regexp_replace(<目标字段>, '[^[:alnum:]_]', '') AS cleaned_str FROM <表名>;

内容的提问来源于stack exchange，提问作者Andrew B