如何在Snowflake中实现字符串变音符号的批量去除

最优通用方案：基于Unicode规范化实现 #

该方案不需要手动维护全量带重音字符的映射表，可覆盖所有拉丁字母的变音符号处理，效率远高于逐字符定义的TRANSLATE写法：

核心语法 #

REGEXP_REPLACE(NORMALIZE(待处理列名, NFD), '[\\x{0300}-\\x{036F}]', '') AS 清理后列名

语法说明 #

• NORMALIZE(待处理列名, NFD)：将字符串转换为Unicode标准分解格式，所有带变音符号的单字符会被拆分为「基础字符+独立组合变音标记」两个部分
• REGEXP_REPLACE(..., '[\\x{0300}-\\x{036F}]', '')：用正则批量匹配删除所有属于组合变音标记区间的Unicode字符，仅保留基础字符

测试示例 #

SELECT REGEXP_REPLACE(NORMALIZE('äöéč', NFD), '[\\x{0300}-\\x{036F}]', '') AS test_output
-- 执行结果：aoec

特殊字符扩展 #

如果需要处理ß这类无对应单基础字符的特殊拉丁字符，可在上述逻辑基础上叠加TRANSLATE处理个别场景：

TRANSLATE(
  REGEXP_REPLACE(NORMALIZE(待处理列名, NFD), '[\\x{0300}-\\x{036F}]', ''),
  'ß', 'ss'
) AS 清理后列名

备选方案：预定义映射的TRANSLATE写法 #

如果仅需要处理固定范围的少量重音字符，可提前定义全局的字符映射变量，避免每次查询重复写映射关系：

-- 提前定义全量带重音字符和对应基础字符，可根据业务需要扩展
SET accent_chars = 'ÁÀÃÂÄÉÈÊËÍÌÎÏÓÒÕÔÖÚÙÛÜáàãâäéèêëíìîïóòõôöúùûüÇçĎ＾ŇňŘřŠšŤťŽž';
SET base_chars = 'AAAAAEEEEIIIIOOOOOUUUUaaaaaeeeeiiiioooouuuuCcDdLlNnRrSsTtZz';

-- 查询时直接调用变量即可
SELECT TRANSLATE(待处理列名, $accent_chars, $base_chars) AS 清理后列名

该方案的局限性为需要手动维护字符映射，遇到生僻带重音字符会出现漏处理。

内容的提问来源于stack exchange，提问作者Hạnh Do Duc