Regexp

Input	Output	Alias
✔	✗

描述

Regex 格式根据提供的正则表达式解析每行导入的数据。

用法

来自 format_regexp 设置的正则表达式将应用于每行导入的数据。正则表达式中的子模式数量必须等于导入数据集中列的数量。

导入数据的行必须由换行符 '\n' 或 DOS 风格的换行符 "\r\n" 分隔。

每个匹配子模式的内容将通过相应数据类型的方法进行解析，这根据 format_regexp_escaping_rule 设置。

如果正则表达式不匹配该行，并且 format_regexp_skip_unmatched 设置为 1，则该行将被静默跳过。否则，将抛出异常。

示例用法

考虑文件 data.tsv：

以及表 imp_regex_table：

我们将使用以下查询将上述文件中的数据插入到上述表中：

现在我们可以通过 SELECT 从表中查看 Regex 格式如何解析文件中的数据：

格式设置

在使用 Regexp 格式时，可以使用以下设置：

• format_regexp — 字符串。包含 re2 格式的正则表达式。

• format_regexp_escaping_rule — 字符串。支持以下转义规则：

  • CSV（类似于 CSV）
  • JSON（类似于 JSONEachRow）
  • 转义（类似于 TSV）
  • 引号（类似于 Values）
  • 原始（整体提取子模式，无转义规则，类似于 TSVRaw）

• format_regexp_skip_unmatched — UInt8。定义在 format_regexp 表达式不匹配导入数据的情况下是否需要抛出异常。可以设置为 0 或 1。