如何在PostgreSQL中提取数字后跟特定字符串？

Question

我有下表：

CREATE TABLE test_regex (
    drug TEXT
);

INSERT INTO test_regex
VALUES
    ('DRUGA 200 MG'),
    ('DRUGB 150 MCG'),
    ('DRUGC 1.5 GM BOX'),
    ('DRUGD 27.2 MG/5 ML VIAL')
;

我要提取以下内容：

200 MG
150 MCG
1.5 GM
27.2 MG

到目前为止，我已经尝试过：

SELECT
    substring(drug, '[0-9]*\.?[0-9]* MG|GM|MCG')
FROM
    test_regex
;

这将导致：

 200 MG
 MCG
 GM
 27.2 MG

我也尝试过：

SELECT
    substring(drug, '[0-9]*\.?[0-9]* (MG|GM|MCG)')
FROM
    test_regex
;

结果如下：

 MG
 MCG
 GM
 MG

我认为问题出在后面的(MG|GM|MCG)组的处理方式上，但我在PostgreSQL文档中找不到所需的内容。我期望获得第一个数字部分，然后是一个空格，然后是MG，GM或MCG。我认为它会与MG组合在一起，然后是GM或MCG。

Answer 1

主要思想是，您需要对分组替代项，这些替代项应在字符串的一个位置和相同位置匹配。另外，我建议使用单词边界将字符串作为整个单词进行匹配。

另外，请注意，substring仅返回被捕获组捕获的那部分匹配，如果有的话：

  

如果模式包含任何括号，则返回与第一个带括号的子表达式（左括号在前的那个）匹配的文本部分。

因此，您可能使用的分组构造是non-capturing group，(?:...|...)。

您可以使用

substring(drug, '\m[0-9]*\.?[0-9]+\s*(?:MG|GM|MCG)\M')

请参见online demo。

模式详细信息

• \m-单词开头
• [0-9]*-零个或多个数字
• \.?-可选的.
• [0-9]+-1个以上数字
• \s*-超过0个空格
• (?:MG|GM|MCG)-MG或GM或MCG（您可以将其写为(?:MC?G|GM)来提高效率）
• \M-字尾。