PostgreSQL基于多分隔符正则提取名称的技术问询

嘿，刚接触SQL就碰到字段清洗的难题啦？别慌，我来一步步帮你解决这个问题！

先把需求拆清楚 #

你需要从name字段里提取单个主名称，要移除的内容包括：

• 括号及其内部的所有内容（比如旧ID、别名）
• 用逗号(,)、分号(;)或者OR分隔的次要/三级名称

正则表达式思路（分两步走更稳妥） #

咱们可以分两次处理，先搞定括号内容，再清理分隔后的次要名称，这样逻辑更清晰：

第一步：干掉括号及内部内容 #

正则表达式：\s*\(.*?\)\s*

• \s*：匹配括号前后的任意空白（避免清理后留下多余空格）
• \(.*?\)：非贪婪匹配括号及里面的所有内容（这样不会把多个括号的内容连起来匹配，比如A(B)C(D)只会分别去掉(B)和(D)）

第二步：移除分隔符后的次要名称 #

正则表达式：\s*(?:,|;|\bOR\b)\s*.+$

• \s*：匹配分隔符前后的空白
• (?:,|;|\bOR\b)：匹配逗号、分号，或者独立的OR单词（\b是单词边界，防止误匹配比如ORDER里的OR）
• .+$：匹配分隔符之后的所有内容直到行尾，直接删掉

结合SQL函数实现（主流数据库示例） #

不同数据库的正则替换函数略有差异，给你列几个常用的：

MySQL/MariaDB #

用REGEXP_REPLACE函数，把两步合并起来写：

SELECT 
  REGEXP_REPLACE(
    REGEXP_REPLACE(name, '\\s*\\(.*?\\)\\s*', ''),  -- 先清括号内容
    '\\s*(?:,|;|\\bOR\\b)\\s*.+$', ''               -- 再清次要名称
  ) AS cleaned_name
FROM your_table;

PostgreSQL #

同样用REGEXP_REPLACE，这里反斜杠不需要额外转义：

SELECT 
  REGEXP_REPLACE(
    REGEXP_REPLACE(name, '\s*\(.*?\)\s*', ''),
    '\s*(?:,|;|\bOR\b)\s*.+$', ''
  ) AS cleaned_name
FROM your_table;

SQL Server（2017+版本） #

SQL Server 2017及以后支持REGEXP_REPLACE，写法如下：

SELECT 
  REGEXP_REPLACE(
    REGEXP_REPLACE(name, '\s*\(.*?\)\s*', ''),
    '\s*(?:,|;|\bOR\b)\s*.+$', ''
  ) AS cleaned_name
FROM your_table;

可复现示例 #

假设你的name字段有这些原始值：

实际原始值：

• 苹果（红富士）, 青苹果 OR 黄苹果
• 微软公司; Microsoft (旧ID:123)
• 特斯拉(TSLA) OR 特斯拉汽车

经过上面的SQL处理后，期望输出就是：

• 苹果
• 微软公司
• 特斯拉

小细节补充 #

1. 如果OR是大小写混合的（比如or/Or），可以加不区分大小写的规则：
   • MySQL：在正则末尾加(?i)，比如'\\s*(?:,|;|\\bOR\\b)\\s*.+$'(?i)
   • PostgreSQL：给REGEXP_REPLACE加'gi'标志，比如REGEXP_REPLACE(..., '\s*(?:,|;|\bOR\b)\s*.+$', '', 'gi')
   • SQL Server：在正则开头加(?i)，比如'(?i)\\s*(?:,|;|\\bOR\\b)\\s*.+$'
2. 如果遇到嵌套括号的复杂情况，非贪婪匹配可能不够用，但大部分业务场景下\(.*?\)完全能应付。

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