在Fabric Data Warehouse中使用正則表達式函數

適用於：✅ Microsoft Fabric 中的 SQL 分析端點與資料倉儲

正則表達式（regex）函式讓你能在 T-SQL 查詢中直接匹配複雜的文字模式並操作字串資料。 利用它們驗證格式、從半結構化文字中提取數值、計數模式出現，以及清理或遮罩資料，且不必將資料移出倉庫。

Note

正則表達式目前處於預覽階段。

倉庫與 SQL 分析端點支援 純量 正則表達式函式。 這些函式每個輸入資料列都會回傳一個值，因此你可以在 SELECT 清單、WHERE、JOIN、GROUP BY、ORDER BY 和 CASE 表達式中使用它們。

Note

倉庫中僅提供純量正則表達式函數。 表值函式 REGEXP_MATCHES 和 REGEXP_SPLIT_TO_TABLE 不被支援。

支援的功能

函數 回傳類型 Description
REGEXP_LIKE 布林值 表示文字輸入是否符合正則表達式模式。 將其用作謂詞，例如在子 WHERE 句或 CASE 表達式中。
REGEXP_REPLACE 字串表達式 回傳來源字串，並以替換字串取代符合正則表達式模式的內容。 若未找到匹配，則回傳原始字串。
REGEXP_SUBSTR 字串表達式 回傳與正則表達式模式相符的子字串的第 n 次出現。
REGEXP_INSTR int 回傳匹配子串的起始或結束位置。
REGEXP_COUNT int 回傳正則表達式模式在字串中出現的次數。

Syntax

REGEXP_LIKE ( string_expression, pattern_expression [ , flags ] )

REGEXP_REPLACE ( string_expression, pattern_expression [ , string_replacement [ , start [ , occurrence [ , flags ] ] ] ] )

REGEXP_SUBSTR ( string_expression, pattern_expression [ , start [ , occurrence [ , flags [ , group ] ] ] ] )

REGEXP_INSTR ( string_expression, pattern_expression [ , start [ , occurrence [ , return_option [ , flags [ , group ] ] ] ] ] )

REGEXP_COUNT ( string_expression, pattern_expression [ , start [ , flags ] ] )

關於每個參數的完整說明，請參閱 支援函數中的連結函式參考。

旗標

可選 flags 參數是 char 或 varchar 值，長度最多 30 個字元，用來設定相符的修飾符。 如果你提供矛盾的旗標，最後一個會勝出。 例如，'ic' 會產生區分大小寫的比對結果。

Flag Description
c 區分大小寫的比對。 此為預設值。
i 不區分大小寫的比對。
m 多行模式： ^ 並 $ 匹配每行的開頭與結尾，以及文本的開頭與結尾。
s 讓我們匹配 . 換行字元 \n。

Considerations

  • 該 string_expression 參數接受字串類型。 支援大值（varchar(max)），最大可達 2 MB。
  • 該 pattern_expression 參數最大長度為 8,000 位元組。
  • 正則表達式函式不會遵循定序規則。 匹配可能與其他字串比較不同，例如 LIKE。 要控制大小寫敏感度，請使用 i 和 c 標誌，而非依賴欄位定序。 更多資訊請參見 Data Warehouse collation。
  • REGEXP_LIKE 回傳一個布林值，無法直接以欄位回傳。 若要將結果以欄位形式回傳，請將其包裹在 CASE 表達式中。

Examples

以下範例使用小型內嵌資料集，因此你可以在任何資料倉儲或 SQL 分析端點中執行。

A. 篩選符合模式的資料列

在 REGEXP_LIKE 子句中使用 WHERE，以只傳回具有有效電子郵件地址格式的列。

SELECT CustomerId, Email
FROM (VALUES
        (1, 'anna@contoso.com'),
        (2, 'not-an-email'),
        (3, 'Bob.Smith@Fabrikam.org')
     ) AS c (CustomerId, Email)
WHERE REGEXP_LIKE(Email, '^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$');

若要將比對結果作為資料欄傳回，請將 REGEXP_LIKE 包在 CASE 運算式中：

SELECT Email,
       CASE WHEN REGEXP_LIKE(Email, '@contoso\.com$', 'i') THEN 'Internal' ELSE 'External' END AS EmailType
FROM (VALUES ('anna@CONTOSO.com'), ('bob@fabrikam.org')) AS c (Email);

B. 從文字中擷取一個值

使用 REGEXP_SUBSTR 從自由文字註解中擷取第一個符合 ORD- 後接數字格式的訂單號碼。

SELECT Comment,
       REGEXP_SUBSTR(Comment, 'ORD-\d+') AS OrderNumber
FROM (VALUES
        ('Customer called about ORD-10293 and ORD-10311.'),
        ('No order referenced.')
     ) AS t (Comment);

若要只提取部分配對內容，請使用捕獲群組。 以下查詢會回傳每個電子郵件地址的網域：

SELECT REGEXP_SUBSTR(Email, '@(.+)$', 1, 1, 'c', 1) AS EmailDomain
FROM (VALUES ('anna@contoso.com'), ('bob@fabrikam.org')) AS c (Email);

C. 計算模式出現次數

使用 REGEXP_COUNT 來計算每個字串中出現的數字數量。

SELECT Comment,
       REGEXP_COUNT(Comment, '\d+') AS NumberCount
FROM (VALUES
        ('Shipped 3 boxes on 12 May, invoice 4471.'),
        ('No numbers here.')
     ) AS t (Comment);

D. 找出符合項的位置

用 REGEXP_INSTR 來找出第一組數字的起始位置和結束位置。

SELECT ProductCode,
       REGEXP_INSTR(ProductCode, '\d+')             AS FirstDigitStart,
       REGEXP_INSTR(ProductCode, '\d+', 1, 1, 1)    AS FirstDigitEnd
FROM (VALUES ('BK-R93R-62'), ('HL-U509')) AS p (ProductCode);

E. 清理並遮罩資料

用 REGEXP_REPLACE 透過擷取群組來標準化電話號碼，並遮蔽除最後四位數字外的所有數字。

SELECT Phone,
       REGEXP_REPLACE(Phone, '^(\d{3})-(\d{3})-(\d{4})$', '(\1) \2-\3') AS FormattedPhone,
       REGEXP_REPLACE(Phone, '^\d{3}-\d{3}', '***-***')               AS MaskedPhone
FROM (VALUES ('425-555-0187'), ('206-555-0142')) AS c (Phone);

以下查詢將重複的空白壓縮為單一空格：

SELECT REGEXP_REPLACE('Fabric    Data   Warehouse', '\s+', ' ') AS CleanText;

F. 依提取值進行群組與彙總

因為這些函數會傳回純量值，你可以在 GROUP BY 子句中使用這些函數。 以下查詢會按電子郵件網域統計客戶數量。

SELECT LOWER(REGEXP_SUBSTR(Email, '@(.+)$', 1, 1, 'c', 1)) AS EmailDomain,
       COUNT(*) AS Customers
FROM (VALUES
        ('anna@contoso.com'),
        ('bob@Contoso.com'),
        ('chris@fabrikam.org')
     ) AS c (Email)
GROUP BY LOWER(REGEXP_SUBSTR(Email, '@(.+)$', 1, 1, 'c', 1));

相關內容

  • 上次更新時間：