Question

我正在使用Amazon Redshift。

我在该字符串中有一个列以逗号分隔存储，如Private, Private, Private, Private, Private, Private, United Healthcare。我想使用query从中删除重复项，因此结果应为Private, United Healthcare。我从Stackoverflow中发现了一些明显的解决方案，并且知道可以使用正则表达式。

因此，我尝试过使用：

SELECT  regexp_replace('Private, Private, Private, Private, Private, Private, United Healthcare', '([^,]+)(,\1)+', '\1') AS insurances;

和

SELECT  regexp_replace('Private, Private, Private, Private, Private, Private, United Healthcare', '([^,]+)(,\1)+', '\g') AS insurances;

还有其他一些正则表达式，但似乎无效。任何解决方案？

Answer 1

试试这种方式，

SELECT  array_agg(DISTINCT insurances) 
FROM (SELECT  regexp_split_to_table('Private, Private, Private, Private, Private, Private, United Healthcare'
              , ',\s+') AS insurances) x;

替代方式

SELECT DISTINCT UNNEST(regexp_split_to_array('Private, Private, Private, Private, Private, Private, United Healthcare', ',\s+')) AS insurances;

检查http://docs.aws.amazon.com/redshift/latest/dg/String_functions_header.html两者都会因红移而失败，其中没有一个将text转换为text[]

Answer 2

替代选项是尝试Python UDF。简单的Python函数重复删除字符串并返回正确的版本。

Answer 3

以下是Amazon Redshift的用户定义函数（UDF）：

CREATE FUNCTION f_uniquify (s text)
  RETURNS text
IMMUTABLE
AS $$
  -- Split string by comma-space, remove duplicates, convert back to comma-separated
  return ', '.join(set(s.split(', ')))
$$ LANGUAGE plpythonu;

用以下方法测试：

select f_uniquify('Private, Private, Private, Private, Private, Private, United Healthcare');

返回：

United Healthcare, Private

如果返回值的顺序很重要，则需要更具体的代码。

从逗号分隔的字符串中删除重复项（Amazon Redshift）

3 个答案: