雪花中 Lazy 正则表达式的替代解决方法，因为此功能在雪花中不可用

Question

我正在尝试从字符串中解析“名称”和“地址”。我已经编写了 regex 模式，该模式非常好（我在 regex101.com 中验证过），具有 regex 的“ungreedy/lazy”功能，但没有贪婪。这是我的雪花查询：

select
TRIM(REGEXP_SUBSTR(column1,'(^\\D*)((\\bP[OST]*[ .]*O[FFICE]*[ .]*B[OX]*[ .]*\\d+.*)|(\\d+.*))[,.\\s]+([a-zA-Z]{2})[,.\\s]+(\\d{5}|\\d{5}-\\d{4})$',1,1,'is',1)) as test
from values(TRIM('FIRST SECOND THIRD PO BOX 123 DUMMY XX 12345-6789')); 

--请忽略正则表达式的后半部分，因为我也在获取地区代码和邮政编码，并且它们工作正常。

上面的查询返回给我“FIRST SECOND THIRD PO BOX” 而且，如果我返回第二组，它会返回“123 DUMMY”

我想要的：

案例 1 - 当我的字符串是“FIRST SECOND THIRD PO BOX 123 DUMMY XX 12345-6789”

第一组输出：“FIRST SECOND THIRD”

第二组输出：“PO BOX 123 DUMMY”

案例 2 - 当我的字符串是 'FIRST SECOND THIRD FOURTH FIFTH 123 DUMMY XX 12345-6789'

第一组输出：“FIRST SECOND THIRD FOURTH FIFTH”

第二组输出：“123 DUMMY”

请在雪花中提出解决方法，因为它没有惰性功能。

附注。如果要在 regex101 中进行验证，请粘贴以下代码和测试字符串。当您切换到 Ungreedy 时，您将看到结果。 (^\D*)((\bP[OST][ .]O[FFICE][ .]B[OX][ .]\d+.)|(\d+.))[,.\s]+([a-zA-Z]{2})[,.\s]+(\d{5 }|\d{5}-\d{4})$

测试字符串：第一个第二个第三个邮政信箱 123 DUMMY XX 12345-6789

谢谢

Answer 1

编写 JavaScrip UDF 始终是一种选择，然后您可以原封不动地使用正则表达式：

create or replace function parse_address(F STRING)
    returns VARIANT
    language JAVASCRIPT
    immutable
    as $$
    const regex = /(^\D*)((\bP[OST]*[ .]*O[FFICE]*[ .]*B[OX]*[ .]*\d+.*)|(\d+.*))[,.\s]+([a-zA-Z]{2})[,.\s]+(\d{5}|\d{5}-\d{4})$/gm;
    let m = regex.exec(F);
    return [m[1], m[2]];
$$;

用法：

select parse_address($1)
from values('FIRST SECOND THIRD PO BOX 123 DUMMY XX 12345-6789')
    , ('FIRST SECOND THIRD FOURTH FIFTH 123 DUMMY XX 12345-6789')
;