从 PostgreSQL 中的字段中提取数字

Question

我有一个 table，在 Postgres 8.4 中有一个类型为 varchar 的列 po_number。它存储带有一些特殊字符的字母数字值。我想忽略字符 [/alpha/?/$/encoding/.] 并检查该列是否包含数字。如果它是一个数字，则需要将其类型转换为数字或传递 null，因为我的输出字段 po_number_new 是一个数字字段。

示例如下：

SQL Fiddle.

我厌倦了这个说法：

select 
(case when  regexp_replace(po_number,'[^\w],.-+\?/','') then po_number::numeric
else null
end) as po_number_new from test

但是我得到了显式转换的错误：

Answer 1

我想你想要这样的东西：

select (case when regexp_replace(po_number, '[^\w],.-+\?/', '') ~ '^[0-9]+$'
             then regexp_replace(po_number, '[^\w],.-+\?/', '')::numeric
        end) as po_number_new 
from test;

即替换后需要对字符串进行转换

注意：这假设 "number" 只是一串数字。

Answer 2

我用来确定 po_number 字段是否包含数字的逻辑是当尝试删除数字时它的长度应该减少。

如果是，则应从 po_number 列中删除所有非数字数字 ([^\d])。否则，应返回 NULL。

select case when char_length(regexp_replace(po_number, '\d', '', 'g')) < char_length(po_number)
            then regexp_replace(po_number, '[^0-9]', '', 'g')
            else null
       end as po_number_new
from test

Answer 3

简单地说：

SELECT NULLIF(regexp_replace(po_number, '\D','','g'), '')::numeric AS result
FROM   tbl;

\D 是 class shorthand 表示“不是数字”。
您需要第 4 个参数 'g'（表示“全局”）来替换 all 次出现。
Details in the manual.

对于一组已知的、有限的要替换的字符，普通 string manipulation functions like replace() or translate() 便宜得多。正则表达式更加通用，在这种情况下我们想要消除所有但数字。相关：

Regex remove all occurrences of multiple characters in a string

但为什么是 Postgres 8.4？ Consider upgrading to a modern version.

考虑过时版本的陷阱：

Order varchar string as numeric

Answer 4

如果你想提取浮点数尝试使用这个：

SELECT NULLIF(regexp_replace(po_number, '[^\.\d]','','g'), '')::numeric AS result FROM tbl;

与Erwin Brandstetter的回答相同，只是表述不同：

[^...] - 匹配除排除字符列表之外的任何字符，将排除的字符代替 ...

\. - 点字符（也可以将其更改为 , 字符）

\d - 数字字符

Answer 5

从第 12 版开始 - 在撰写本文时是 2 年 + 4 个月前（但在我可以在已接受的答案上看到的最后一次编辑之后），你可以使用GENERATED FIELD在one-time的基础上很容易地做到这一点，而不是每次你想SELECT一个新的[=63]时都必须计算它=].

此外，您可以使用@ErwinB运行dstetter 的TRANSLATE function to extract your digits which is less expensive than the REGEXP_REPLACE ！

我会这样做（下面的所有代码都可以在 fiddle here 上找到）：

CREATE TABLE s
(
  num TEXT,
  
  new_num INTEGER GENERATED ALWAYS AS
    (NULLIF(TRANSLATE(num, 'ABCDEFGHIJKLMNOPQRSTUVWXYZ. ', ''), '')::INTEGER) STORED
);

您可以根据需要添加到 TRANSLATE 函数中的 'ABCDEFG... 字符串 - 我有小数点 (.) 和 space ( ) 最后 - 根据您的输入，您可能希望有更多的字符！

并检查：

INSERT INTO s VALUES ('2'), (''), (NULL), (' ');
INSERT INTO t VALUES ('2'), (''), (NULL), (' ');
SELECT * FROM s;
SELECT * FROM t;

结果（两者相同）：

num    new_num
  2          2
          NULL
          NULL
          NULL

所以，我想检查我的解决方案的效率如何，所以我运行下面的测试将 10,000 条记录插入两个表 s 和 t 如下（来自 here):

EXPLAIN (ANALYZE, BUFFERS, VERBOSE)
INSERT INTO t 
with symbols(characters) as 
(
  VALUES ('ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789')
)
select string_agg(substr(characters, (random() * length(characters) + 1) :: INTEGER, 1), '')
from symbols
join generate_series(1,10) as word(chr_idx) on 1 = 1 -- word length
join generate_series(1,10000) as words(idx) on 1 = 1 -- # of words
group by idx;

差异不是那么大，但正则表达式解决方案始终慢了大约 25% - 甚至改变了经历 INSERTs 的表的顺序。

然而，TRANSLATE 解决方案真正出色的地方在于执行如下“原始”SELECT：

EXPLAIN (ANALYZE, BUFFERS, VERBOSE)
SELECT
  NULLIF(TRANSLATE(num, 'ABCDEFGHIJKLMNOPQRSTUVWXYZ. ', ''), '')::INTEGER
FROM s;

与 REGEXP_REPLACE 解决方案相同。

差异非常明显，TRANSLATE 大约需要其他功能的时间的 25%。最后，为了公平起见，两张表我也都这样做了：

EXPLAIN (ANALYZE, BUFFERS, VERBOSE)
SELECT
  num, new_num
FROM t;

两者都非常快而且完全相同！

从 PostgreSQL 中的字段中提取数字

Extract numbers from a field in PostgreSQL

regex

postgresql

conditional

case

regexp-replace