Snowflake平台POSIX正则实现negative lookbehind等效的公司名匹配方案

开展企业名称标准化整理时，需实现的匹配规则为：

• 目标字符串以COMPANY/CO/CO.三类常见公司后缀结尾时，完成匹配
• 若上述后缀前面紧邻「 & 」序列，则排除本次匹配（例如POWERWASH COMPANY需命中，JONES & COMPANY需排除）
• 运行环境为Snowflake内置POSIX正则引擎，不支持负向后顾语法，需实现等效逻辑。

方案1：单正则直接匹配 #

通过POSIX扩展分支逻辑覆盖所有合法场景，无需额外逻辑判断，可直接嵌入正则调用语句。
正则表达式：

(^ COMPANY$|^ CO$|^ CO\.$)|([^&]( COMPANY$| CO[.]?$))

逻辑说明 #

• 第一分支^ COMPANY$|^ CO$|^ CO\.$：覆盖字符串本身就是带前置空格的后缀的极端场景，这类场景后缀前无前置字符，不存在紧邻的「 & 」序列，直接判定为合法匹配。
• 第二分支[^&]( COMPANY$| CO[.]?$)：覆盖绝大多数常规企业名称场景：用[^&]捕获后缀前置空格的前一个字符，仅当该字符不是&时，才命中后续的后缀匹配规则。

场景验证 #

• 合法场景POWERWASH COMPANY：[^&]匹配到前缀末尾的H，后续 COMPANY$匹配成功，整体命中。
• 非法场景JONES & COMPANY： COMPANY$前置字符为&，不符合[^&]要求，且不满足第一分支条件，整体不命中，符合预期。
• 含非紧邻&的合法场景JONES & SMITH CO： CO$前置字符为H，并非紧邻后缀的&，匹配成功，符合规则。

方案2：逻辑组合判断（更易维护） #

如果调用场景支持逻辑运算（如Snowflake的REGEXP_LIKE可结合AND/NOT使用），可拆分为两个独立POSIX正则做组合判断，逻辑更直观，后续调整规则时维护成本更低。
判断逻辑示例：

REGEXP_LIKE(目标企业名称字段, '( COMPANY$| CO[.]?$)')
AND
NOT REGEXP_LIKE(目标企业名称字段, '( & COMPANY$| & CO$| & CO\.$)')

逻辑说明 #

• 第一部分正则：先匹配所有符合后缀要求的字符串，暂不考虑前置是否有&。
• 第二部分正则：匹配所有以「 & COMPANY」/「 & CO」/「 & CO.」为结尾的非法场景，通过NOT逻辑直接排除。

场景验证 #

• POWERWASH COMPANY：第一判断为真，第二判断（匹配带紧邻&的非法后缀）为假，整体成立。
• JONES & CO.：第一判断为真，第二判断（匹配 & CO.$）为真，取反后为假，整体不成立。
• ABC & DEF COMPANY：第一判断为真，第二判断（仅匹配末尾紧邻&的场景）为假，整体成立。

内容的提问来源于stack exchange，提问作者Mike Yokitis