如何在PostgreSQL/Redshift中用正则替换数字以分组相似描述

当然可以！在PostgreSQL（包括你用的Redshift）里，完全能通过正则表达式替换函数批量把描述里的任意数字序列替换成统一标识，轻松实现分组，比在Excel或Notepad++里手动处理效率高太多了。

核心工具：REGEXP_REPLACE函数 #

Redshift兼容PostgreSQL的REGEXP_REPLACE函数，它支持正则匹配替换，正好解决你“替换任意数字”的需求。

具体实现步骤 #

1. 基础替换示例
   假设你的表名为product_descriptions，描述字段是desc_text，执行以下SQL就能把所有数字序列替换成xxx：

   SELECT
     desc_text AS original_desc,
     -- 全局替换所有连续数字为xxx
     REGEXP_REPLACE(desc_text, '\d+', 'xxx', 'g') AS masked_desc
   FROM product_descriptions;
   

   对你给出的示例输入，执行后会得到你想要的结果：

   sample input description 123 → sample input description xxx
   sample input description 456 → sample input description xxx
   this is another description 678 → this is another description xxx
   this is another description 999 → this is another description xxx

2. 参数解释

   • '\d+'：正则表达式，\d匹配单个数字，+表示匹配一个或多个连续的数字（这样整串数字会被一次性替换成xxx，而不是每个数字单独替换）
   • 'g'：全局替换标志，确保字段里所有出现的数字序列都被替换，而不是只替换第一个

3. 直接用于分组统计
   如果要直接按掩码后的描述分组，只需要把替换后的字段放到GROUP BY里即可：

   SELECT
     REGEXP_REPLACE(desc_text, '\d+', 'xxx', 'g') AS grouped_desc,
     COUNT(*) AS record_count
   FROM product_descriptions
   GROUP BY grouped_desc
   ORDER BY record_count DESC;
   

额外小技巧 #

如果你需要把每个单独的数字都替换成x（比如123变成xxx，单个1变成x），只需要把正则改成'\d'即可：

REGEXP_REPLACE(desc_text, '\d', 'x', 'g')

内容的提问来源于stack exchange，提问作者Aklank Jain