SQL如何解析带重复数字分隔段的字符串以提取目标输出列值

核心处理逻辑 #

要批量处理#CHAR表中value列的字符串，提取前置有效文本、去掉所有末尾连续的 - 数字格式后缀，不需要手动逐次从右向左定位分隔符，直接通过正则规则匹配字符串尾部的目标结构批量替换即可。
匹配规则为：锚定字符串末尾位置，匹配1个及以上连续出现的「空格+短横+空格+纯数字」结构，将匹配到的后缀内容替换为空。未匹配到该规则的纯文本字符串不会做任何修改，完全符合需求。 #

各常用数据库的实现代码 #

MySQL 8.0+ #

内置正则替换函数直接调用，注意正则表达式中的反斜杠需要做转义处理：

UPDATE #CHAR
SET output = REGEXP_REPLACE(value, '( - \\d+)+$', '');

PostgreSQL #

正则表达式无需重复转义反斜杠，直接传入规则即可：

UPDATE #CHAR
SET output = REGEXP_REPLACE(value, '( - \d+)+$', '', 'g');

SQL Server 2017+ #

同样需要对正则中的反斜杠做转义：

UPDATE #CHAR
SET output = REGEXP_REPLACE(value, '( - \\d+)+$', '');

Hive/Spark SQL（数仓场景） #

UPDATE #CHAR
SET output = regexp_replace(value, '( - \d+)+$', '');

效果校验示例 #

实际处理结果完全匹配预期：

• 输入：销售数据汇总 - 1 - 4 → 输出：销售数据汇总
• 输入：无后缀的纯文本内容 → 输出：无后缀的纯文本内容
• 输入：用户分层标签 - 216 → 输出：用户分层标签
• 输入：项目里程碑 - Q2 - 18 → 输出：项目里程碑 - Q2

方案注意事项 #

如果采用传统的从右向左逐位查找分隔符的实现，很容易出现两个问题：

• 碰到正文内容本身包含 - 数字结构的场景，容易误截断有效文本
• 遇到多段重复后缀的场景，需要编写循环逻辑判断截止位置，代码冗长且效率低

上述正则实现只会匹配字符串最末尾连续的符合规则的后缀，不会误伤正文中间的同结构内容，边界兼容性更好。

内容的提问来源于stack exchange，提问作者Shantanu