Redshift中使用Regex提取嵌套括号内目标字符串的方法咨询

问题原因 #

你之前使用的正则\((.*?)\)采用非贪婪匹配规则，会从字符串第一个左括号开始匹配，遇到第一个右括号就停止捕获，因此只能拿到最外层左括号到首个右括号的内容，和预期提取最内层括号内容的需求不符。

可用解决方案 #

方案1：一步提取（推荐） #

利用正则贪婪匹配特性直接定位到整个字符串最后一个左括号（也就是最内层括号的左边界），再捕获第一个逗号前的目标内容，Redshift 中写法如下：

REGEXP_EXTRACT(你的字符串列名, '.*\\(([^,]+),', 1)

• 正则逻辑说明：.*贪婪匹配所有字符直到最后一个(，([^,]+)捕获后续到第一个逗号为止的内容，也就是你需要的contentname
• 注意Redshift中反斜杠需要二次转义，因此写为\\(

方案2：兼容性更强的分步提取 #

如果最内层括号内的格式可能发生变化，可以先提取整个最内层括号的内容，再拆分取第一个值：

SPLIT_PART(REGEXP_EXTRACT(你的字符串列名, '\\(([^()]*)\\)', 1), ',', 1)

• 正则\(([^()]*)\)会匹配内容中不含其他括号的最内层括号对，捕获括号内的全部内容contentname,None，再用SPLIT_PART按逗号切分取第一个值即可。

验证效果 #

针对示例字符串CompletenessConstraint(Completeness(contentname,None))，两种方案最终返回结果均为contentname，符合预期。

内容的提问来源于stack exchange，提问作者Itty Bit