Regexp

Вход	Выход	Псевдоним
✔	✗

Описание

Формат Regex разбирает каждую строку импортируемых данных в соответствии с заданным регулярным выражением.

Использование

Регулярное выражение из настройки format_regexp применяется к каждой строке импортируемых данных. Количество подвыражений (групп) в регулярном выражении должно быть равно количеству столбцов в импортируемом наборе данных.

Строки импортируемых данных должны быть разделены символом новой строки '\n' или переводом строки в стиле DOS "\r\n".

Содержимое каждого совпавшего подвыражения разбирается способом, соответствующим его типу данных, в соответствии с настройкой format_regexp_escaping_rule.

Если регулярное выражение не соответствует строке и параметр format_regexp_skip_unmatched равен 1, строка просто пропускается без ошибки. В противном случае генерируется исключение.

Пример использования

Рассмотрим файл data.tsv:

id: 1 array: [1,2,3] string: str1 date: 2020-01-01
id: 2 array: [1,2,3] string: str2 date: 2020-01-02
id: 3 array: [1,2,3] string: str3 date: 2020-01-03

и таблица imp_regex_table:

CREATE TABLE imp_regex_table (id UInt32, array Array(UInt32), string String, date Date) ENGINE = Memory;

Мы вставим данные из вышеупомянутого файла в таблицу, созданную выше, с помощью следующего запроса:

$ cat data.tsv | clickhouse-client  --query "INSERT INTO imp_regex_table SETTINGS format_regexp='id: (.+?) array: (.+?) string: (.+?) date: (.+?)', format_regexp_escaping_rule='Escaped', format_regexp_skip_unmatched=0 FORMAT Regexp;"

Теперь мы можем выполнить запрос SELECT к таблице, чтобы посмотреть, как формат Regex разобрал данные из файла:

SELECT * FROM imp_regex_table;

┌─id─┬─array───┬─string─┬───────date─┐
│  1 │ [1,2,3] │ str1   │ 2020-01-01 │
│  2 │ [1,2,3] │ str2   │ 2020-01-02 │
│  3 │ [1,2,3] │ str3   │ 2020-01-03 │
└────┴─────────┴────────┴────────────┘

Настройки формата

При работе с форматом Regexp можно использовать следующие настройки:

• format_regexp — String. Содержит регулярное выражение в синтаксисе re2.

• format_regexp_escaping_rule — String. Поддерживаются следующие правила экранирования:

  • CSV (аналогично CSV
  • JSON (аналогично JSONEachRow
  • Escaped (аналогично TSV
  • Quoted (аналогично Values
  • Raw (извлекает подвыражения целиком, без правил экранирования, аналогично TSVRaw

• format_regexp_skip_unmatched — UInt8. Определяет, нужно ли выбрасывать исключение, если выражение format_regexp не соответствует импортируемым данным. Может быть 0 или 1.