具有 2 个以上不同数字和 Snowflake 语法中的一些可选字符的正则表达式字符串

Question

我想检查我的一个表中的特定列是否满足以下条件：

字符串必须至少包含三个字符
字符串必须至少包含两个不同的数字[例如123 可以，但 111 不行]
字符串中允许的字符：
- 数字 (0-9)
- 大写字母
- 小写字母
- 下划线 (_)]
- 破折号 (-)

我对 Regex 有一些经验，但我对 Snowflake 的语法有疑问。每当我尝试使用 '?'正则表达式字符（将某些内容标记为可选）我收到一条错误消息。有人可以帮助我了解解决方法并提供解决方案吗？

我目前拥有的：

SELECT string, 
LENGTH(string) AS length 
    FROM tbl 
        WHERE REGEXP_LIKE(string,'^[0-9]+{3,}[-+]?[A-Z]?[a-z]?$')
    ORDER BY length;

谢谢！

Answer 1

假设数字需要连续，您可以使用 javascript UDF 来查找字符串中具有最多不同数字的数字：

create or replace function f(S text)
returns float
language javascript
returns null on null input 
as
$$
    const m = S.match(/\d+/g)
    if (!m) return 0
    const lengths = m.map(m=> [...new Set (m.split(''))].length)
    const max_length = lengths.reduce((a,b) => Math.max(a,b)) 
    return max_length 
$$
;

结合WHERE-clause，这就是你想要的，我相信：

select column1, f(column1) max_length 
from t
where max_length>1 and length(column1)>2 and column1 rlike '[\w\d-]+';

产量：

COLUMN1                 | MAX_LENGTH
------------------------+-----------
abc123def567ghi1111_123 |          3
123                     |          3
111222                  |          2

假设输入：

create or replace table t as
select * from values ('abc123def567ghi1111_123'), ('xyz111asdf'), ('123'), ('111222'), ('abc 111111111 abc'), ('12'), ('asdf'), ('123 456'), (null);

如果数字不必连续（即计算字符串中不同的数字），则该函数甚至更简单。然后核心逻辑变为：

    const m = S.match(/\d/g)
    if (!m) return 0
    const length = [...new Set (m)].length
    return length

希望对您有所帮助！

Answer 2

你的正则表达式看起来有点混乱和无效，而且它看起来也不太符合你的需要。我将这个表达式读作一个字符串：

必须以一位或多位数字开头，至少3次或更多次
- 令我困惑的部分是“+”是一个量词，它不能用 {3,} 量化，但不知何故不会为我产生错误
可以选择后跟破折号或加号
后跟一个大写字符零次或一次（根据需要返回）
后跟并以小写字符结尾零次或一次（根据需要返回）

问题

你说你的字符串必须包含 3 个字符和至少 2 个不同的数字，数字是字符，但我不确定你的意思是不是 3 个字母...

您认为数字是字符吗？
字符的顺序重要吗？
能否举例说明您收到的错误？

备注

检查与第一个数字不同的第二个数字涉及使用反向引用的先行概念。 Snowflake 不支持反向引用。

关于使用正则表达式进行模式匹配的一个问题是顺序会有所不同。如果顺序对您不重要，那么您将有多种模式可以匹配。

例子

下面是您可以单独测试需求的每个部分的方法。我已经包括了一些 regexp_substr 函数来展示提取如何工作以检查是否再次存在。

取消注释 WHERE 子句以查看过滤后的数据集。过滤器被写成表达式，因此您可以删除 regexp_* 列的 any/all。

select randstr(36,random(123)) as r_string
    ,length(r_string) AS length
    ,regexp_like(r_string,'^[0-9]+{3,}[-+]?[A-Z]?[a-z]?$') as reg
    ,regexp_like(r_string,'.*[A-Za-z]{3,}.*') as has_3_consecutive_letters
    ,regexp_like(r_string,'.*\d+.*\d+.*') as has_2_digits
    ,regexp_substr(r_string,'(\d)',1,1) as first_digit
    ,regexp_substr(r_string,'(\d)',1,2) as second_digit
    ,first_digit <> second_digit as digits_1st_not_equal_2nd
    ,not(regexp_instr(r_string,regexp_substr(r_string,'(\d)',1,1),1,2)) as first_digit_does_not_appear_again
    ,has_3_consecutive_letters and has_2_digits and first_digit_does_not_appear_again as test
from table(generator(rowcount => 10))
//where regexp_like(r_string,'.*[A-Za-z]{3,}.*') // has_3_consecutive_letters
//    and regexp_like(r_string,'.*\d+.*\d+.*') // has_2_digits
//    and not(regexp_instr(r_string,regexp_substr(r_string,'(\d)',1,1),1,2)) // first_digit_does_not_appear_again
;

具有 2 个以上不同数字和 Snowflake 语法中的一些可选字符的正则表达式字符串

Regex string with 2+ different numbers and some optional characters in Snowflake syntax

optional-arguments

regexp-like

snowflake-cloud-data-platform

问题

备注

例子