Regex フォーマットは、提供された正規表現に従ってインポートされたデータの各行を解析します。
使用法
format_regexp 設定からの正規表現は、インポートされたデータの各行に適用されます。正規表現のサブパターンの数は、インポートされたデータセットのカラム数と等しくなければなりません。
インポートされたデータの行は、改行文字 '\n' または DOS スタイルの改行 "\r\n" で区切る必要があります。
一致した各サブパターンの内容は、format_regexp_escaping_rule 設定に従って、対応するデータ型のメソッドで解析されます。
正規表現が行と一致しない場合、かつ format_regexp_skip_unmatched が 1 に設定されていると、その行は静かにスキップされます。それ以外の場合は、例外がスローされます。
使用例
ファイル data.tsv を考慮してください：
id: 1 array: [1,2,3] string: str1 date: 2020-01-01
id: 2 array: [1,2,3] string: str2 date: 2020-01-02
id: 3 array: [1,2,3] string: str3 date: 2020-01-03
およびテーブル imp_regex_table：
CREATE TABLE imp_regex_table (id UInt32, array Array(UInt32), string String, date Date) ENGINE = Memory;
次のクエリを使用して、前述のファイルからのデータを上記のテーブルに挿入します：
$ cat data.tsv | clickhouse-client --query "INSERT INTO imp_regex_table SETTINGS format_regexp='id: (.+?) array: (.+?) string: (.+?) date: (.+?)', format_regexp_escaping_rule='Escaped', format_regexp_skip_unmatched=0 FORMAT Regexp;"
テーブルからデータを SELECT して、Regex フォーマットがファイルからデータをどのように解析したかを確認できます：
SELECT * FROM imp_regex_table;
┌─id─┬─array───┬─string─┬───────date─┐
│ 1 │ [1,2,3] │ str1 │ 2020-01-01 │
│ 2 │ [1,2,3] │ str2 │ 2020-01-02 │
│ 3 │ [1,2,3] │ str3 │ 2020-01-03 │
└────┴─────────┴────────┴────────────┘
Regexp フォーマットで作業する際に、以下の設定を使用できます：
-
format_regexp — 文字列。 re2 フォーマットの正規表現を含みます。
-
format_regexp_escaping_rule — 文字列。以下のエスケープルールがサポートされています：
-
format_regexp_skip_unmatched — UInt8。 format_regexp 式がインポートされたデータと一致しない場合に例外をスローする必要があるかどうかを定義します。 0 または 1 に設定できます。
