跳到主要内容
跳到主要内容

Regexp

InputOutputAlias

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_unmatchedUInt8。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 01