如何从不同格式的字符串中提取数据

Question

嗨，iam试图从字符串中提取日期，当日期格式从mm/dd/yyyy变为mm/dd/yy时，使用regex function.How动态提取日期。下面的regexp适用于mm/dd/yyyy format.What，如果我的字符串具有这两种格式，并且我想动态提取日期。

string1 = '2021航班5航班附件:在7/25/2021和8/7/2021之间交付功能良好。

string1 =‘2021年航班5附件夹具:在7/25/21和8/7/21之间交付，如何在这两种情况下提取两个日期。

regexp_extract(string1, '^.*(\\d{1,2}/\\d{1,2}/\\d{4}).*(\\d{1,2}/\\d{1,2}/\\d{4})',1) date1,
regexp_extract(string1, '^.*(\\d{1,2}/\\d{1,2}/\\d{4}).*(\\d{1,2}/\\d{1,2}/\\d{4})',2) date2

Answer 1

用CASE表达式检查不同的格式并进行相应的解析。两位数年份是一种糟糕的做法，但是如果您已经有了这样的数据，那么就没有什么可做的了，这是解析不同格式的常用方法-- CASE表达式：

演示：

with mytable as (

select '2021 Flight 5 Accessory Fixtures: DELIVER BETWEEN 7/25/2021 and 8/7/2021' string1 union all
select '2021 Flight 5 Accessory Fixtures: DELIVER BETWEEN 7/25/21 and 8/7/21'
)

select case when string1 rlike '(?i)BETWEEN (\\d{1,2}/\\d{1,2}/\\d{4})'
            then date(from_unixtime (unix_timestamp(regexp_extract(string1, '(?i)BETWEEN (\\d{1,2}/\\d{1,2}/\\d{4})',1),'MM/dd/yyyy')
                       ))
            
            when string1 rlike '(?i)BETWEEN \\d{1,2}/\\d{1,2}/\\d{2} '
            then date(from_unixtime (unix_timestamp(regexp_extract(string1, '(?i)BETWEEN (\\d{1,2}/\\d{1,2}/\\d{2})',1),'MM/dd/yy')
                       ))
        end date1,
        case when string1 rlike '(?i)AND (\\d{1,2}/\\d{1,2}/\\d{4})'
            then date(from_unixtime (unix_timestamp(regexp_extract(string1, '(?i)AND (\\d{1,2}/\\d{1,2}/\\d{4})',1),'MM/dd/yyyy')
                       ))
            
            when string1 rlike '(?i)AND \\d{1,2}/\\d{1,2}/\\d{2}'
            then date(from_unixtime (unix_timestamp(regexp_extract(string1, '(?i)AND (\\d{1,2}/\\d{1,2}/\\d{2})',1),'MM/dd/yy')
                       ))
        end date2
from mytable

结果：

date1       date2   
2021-07-25  2021-08-07
2021-07-25  2021-08-07

对于两位数年份，unix_timestamp函数将猜测缺失数字: 7/25/21被解析为2021-07-25，7/25/98被解析为1998-07-25。这种猜测可能有错误，@PanagiotisKanavos在评论中提到了这一点。