Usar funções de expressão regular em Fabric Data Warehouse

Aplica-se a:✅ Ponto Final de Análise SQL e Armazém no Microsoft Fabric

As funções de expressão regular (regex) permitem-lhe corresponder padrões de texto complexos e manipular dados de strings diretamente nas suas consultas T-SQL. Utilize-os para validar formatos, extrair valores de texto semi-estruturado, contar ocorrências de padrões e limpar ou mascarar dados sem os mover para fora do armazém.

O Warehouse e o endpoint de análise SQL suportam as funções scalar de expressões regulares. Cada uma destas funções devolve um valor por linha de entrada, por isso pode usá-las na lista SELECT, WHERE, JOIN, GROUP BY, ORDER BY, e CASE expressões.

Funções suportadas

Syntax

REGEXP_LIKE ( string_expression, pattern_expression [ , flags ] )

REGEXP_REPLACE ( string_expression, pattern_expression [ , string_replacement [ , start [ , occurrence [ , flags ] ] ] ] )

REGEXP_SUBSTR ( string_expression, pattern_expression [ , start [ , occurrence [ , flags [ , group ] ] ] ] )

REGEXP_INSTR ( string_expression, pattern_expression [ , start [ , occurrence [ , return_option [ , flags [ , group ] ] ] ] ] )

REGEXP_COUNT ( string_expression, pattern_expression [ , start [ , flags ] ] )

Para uma descrição completa de cada argumento, veja a referência da função associada em Funções suportadas.

Flags

O argumento opcional flags é um valor char ou varchar de até 30 caracteres que define os modificadores correspondentes. Se fornecer sinalizadores contraditórios, o último prevalece. Por exemplo, 'ic' resulta em correspondência sensível a maiúsculas e minúsculas.

Considerations

• O string_expression argumento aceita tipos de cadeias de caracteres. Valores grandes (varchar(max)) são suportados até 2 MB.
• O pattern_expression argumento suporta um comprimento máximo de 8.000 bytes.
• As funções de expressão regular não respeitam as regras de ordenação. A correspondência pode diferir de outras comparações de cadeias, como LIKE. Para controlar a distinção entre maiúsculas e minúsculas, use as opções i e c em vez de depender da ordenação da coluna. Para obter mais informações, consulte Agrupamento do Armazém de Dados.
• REGEXP_LIKE devolve um valor booleano e não pode ser devolvido diretamente como coluna. Para devolver o resultado como coluna, envolva-o numa CASE expressão.

Examples

Os exemplos seguintes usam um pequeno conjunto de dados inline, por isso pode executá-los em qualquer armazém ou endpoint de análise SQL.

A. Filtre as linhas que correspondem a um padrão

Utilize REGEXP_LIKE numa cláusula WHERE para devolver apenas linhas com um formato de endereço de email válido.

SELECT CustomerId, Email
FROM (VALUES
        (1, 'anna@contoso.com'),
        (2, 'not-an-email'),
        (3, 'Bob.Smith@Fabrikam.org')
     ) AS c (CustomerId, Email)
WHERE REGEXP_LIKE(Email, '^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$');

Para devolver o resultado da correspondência como coluna, envolva REGEXP_LIKE numa expressão CASE:

SELECT Email,
       CASE WHEN REGEXP_LIKE(Email, '@contoso\.com$', 'i') THEN 'Internal' ELSE 'External' END AS EmailType
FROM (VALUES ('anna@CONTOSO.com'), ('bob@fabrikam.org')) AS c (Email);

B. Extrair um valor do texto

Utilize REGEXP_SUBSTR para extrair o primeiro número de encomenda no formato ORD- seguido de dígitos de um comentário em texto livre.

SELECT Comment,
       REGEXP_SUBSTR(Comment, 'ORD-\d+') AS OrderNumber
FROM (VALUES
        ('Customer called about ORD-10293 and ORD-10311.'),
        ('No order referenced.')
     ) AS t (Comment);

Para extrair apenas parte da correspondência, use um grupo de captura. A consulta seguinte devolve o domínio de cada endereço de email:

SELECT REGEXP_SUBSTR(Email, '@(.+)$', 1, 1, 'c', 1) AS EmailDomain
FROM (VALUES ('anna@contoso.com'), ('bob@fabrikam.org')) AS c (Email);

C. Contar ocorrências de padrões

Utilize REGEXP_COUNT para contar quantos números aparecem em cada cadeia.

SELECT Comment,
       REGEXP_COUNT(Comment, '\d+') AS NumberCount
FROM (VALUES
        ('Shipped 3 boxes on 12 May, invoice 4471.'),
        ('No numbers here.')
     ) AS t (Comment);

D. Encontre a posição de uma ocorrência

Utilize REGEXP_INSTR para encontrar a posição inicial e a posição final da primeira sequência de dígitos.

SELECT ProductCode,
       REGEXP_INSTR(ProductCode, '\d+')             AS FirstDigitStart,
       REGEXP_INSTR(ProductCode, '\d+', 1, 1, 1)    AS FirstDigitEnd
FROM (VALUES ('BK-R93R-62'), ('HL-U509')) AS p (ProductCode);

E. Limpar e mascarar dados

Use REGEXP_REPLACE para padronizar números de telefone com grupos de captura e para mascarar todos os dígitos, exceto os últimos quatro dígitos.

SELECT Phone,
       REGEXP_REPLACE(Phone, '^(\d{3})-(\d{3})-(\d{4})$', '(\1) \2-\3') AS FormattedPhone,
       REGEXP_REPLACE(Phone, '^\d{3}-\d{3}', '***-***')               AS MaskedPhone
FROM (VALUES ('425-555-0187'), ('206-555-0142')) AS c (Phone);

A consulta seguinte colapsa o espaço em branco repetido num único espaço:

SELECT REGEXP_REPLACE('Fabric    Data   Warehouse', '\s+', ' ') AS CleanText;

F. Agrupar e agregar com base num valor extraído

Como as funções são escalares, podes usá-las em cláusulas GROUP BY. A consulta seguinte conta os clientes por domínio de email.

SELECT LOWER(REGEXP_SUBSTR(Email, '@(.+)$', 1, 1, 'c', 1)) AS EmailDomain,
       COUNT(*) AS Customers
FROM (VALUES
        ('anna@contoso.com'),
        ('bob@Contoso.com'),
        ('chris@fabrikam.org')
     ) AS c (Email)
GROUP BY LOWER(REGEXP_SUBSTR(Email, '@(.+)$', 1, 1, 'c', 1));

Conteúdo relacionado

• Funções de expressões regulares (Transact-SQL)
• Área de superfície T-SQL no Fabric Data Warehouse
• Tipos de dados no Fabric Data Warehouse
• Data Warehouse ordenação
• Consultar o ponto final de análise SQL ou o Armazém de Dados no Microsoft Fabric