时间戳

首页 > 解决方案 > 根据前面的单词从段落中提取数值

regex - 根据前面的单词从段落中提取数值

问题描述

我正在处理列中的一些大文本字段。经过一些清理后，我有如下内容：

truth_val: ["5"]
xerb Scale: ["2"]
perb Scale: ["1"]

我想提取数字 2。我正在尝试匹配字符串“xerb Scale”，然后提取 2。我尝试捕获包含 2 的组，(?:xerb Scale:\s\[\")\d{1}并尝试通过负面展望排除匹配的组，但没有运气。

这将在 SQL 查询中，我试图通过REGEXP_EXTRACT()函数提取数值。此查询是将此信息加载到数据库中的管道的一部分。

任何帮助将非常感激！

标签： regexpresto

解决方案

您应该匹配您不需要获取的内容以便为您的匹配设置上下文，并且您需要匹配并捕获您需要提取的内容：

xerb Scale:\s*\["(\d+)"]
                 ^^^^^

请参阅正则表达式演示。在 Presto 中，用于REGEXP_EXTRACT获取第一个匹配项：

SELECT regexp_extract(col, 'xerb Scale:\s*\["(\d+)"]', 1); -- 2
                                                      ^^^

注意1论点：

regexp_extract(string, pattern, group) → varchar
查找第一次出现的正则表达式pattern并string返回捕获组号 group

推荐阅读