Potrivirea șabloanelor

Curățarea datelor în baze de date PostgreSQL

Darryl Reeves, Ph.D.

Industry Assistant Professor, New York University

Identificarea șabloanelor: un exemplu

 camis    |              name               | inspection_date | score | nta  | ... 
 ---------+---------------------------------+-----------------+-------+------+-----
 ...      | ...                             | ...             | ...   | ...  | ...
 41659848 | LA BRISA DEL CIBAO              | 01/30/2018      | 20    | QN26 | ...
 40961447 | MESON SEVILLA RESTAURANT        | 03/19/2019      | 50    | MN15 | ...
 50063071 | WA BAR                          | 05/23/2018      | 15    | MN17 | ...
 50034992 | EMPANADAS MONUMENTAL            | 06/21/2019      | 17    | MN35 | ...
 50095871 | ALPHONSO'S PIZZERIA & TRATTORIA | 01/16/2020      | 10    | MN28 | ...
 41104041 | THE SPARROW TAVERN              | 09/17/2019      | 13    | QN72 | ...
 50016937 | BURGER KING                     | 09/14/2018      | 12    | QN55 | ...
 50066469 | DARBAR'S CHICKEN & RIBS         | 08/07/2017      | 11    | QN55 | ...
 41195691 | F & J PINE RESTAURANT           | 05/02/2019      | 26    | BX49 | ...
 50015706 | EL RINCONCITO DE LOS SABORES    | 12/18/2019      | 20    | QN35 | ...
 ...      | ...                             | ...             | ..    | ...  | ...

¹ https://www1.nyc.gov/site/planning/data-maps/open-data/dwn-nynta.page

Identificarea șabloanelor: un exemplu

Prefixe valide pentru codul NTA

MN - Manhattan
BK - Brooklyn
BX - Bronx
QN - Queens
SI - Staten Island

Identificarea șabloanelor: un exemplu

Rezultatele tabelului cu un chenar roșu care evidențiază un cod NTA invalid

Operatorul LIKE

SELECT * FROM restaurant_inspection WHERE nta LIKE 'QN544';

SELECT * FROM restaurant_inspection WHERE nta = 'QN544';

Operatorul LIKE

Caractere pentru potrivirea șabloanelor

% - potrivește orice secvență de zero sau mai multe caractere
_ (liniuță de subliniere) - potrivește un singur caracter

SELECT 
* 
FROM 
restaurant_inspection 
WHERE nta LIKE 'QN%';

SELECT 
* 
FROM 
restaurant_inspection 
WHERE nta LIKE 'QN%' 
AND nta NOT LIKE 'QN__';

Expresii regulate (ER)

Potrivirea cu LIKE este limitată
Șabloane mai specifice pot fi utile
Expresiile regulate (ER) permit potriviri mai expresive

Operatorul SIMILAR TO

Oferă funcționalitate suplimentară pentru potrivirea șabloanelor

SELECT 
  camis, name, inspection_date, score, nta 
FROM 
  restaurant_inspection 
WHERE nta SIMILAR TO 'QN%' AND nta NOT SIMILAR TO 'QN__';

Noțiuni de bază despre ER

Metacaracter	Utilizare	Exemplu ER	Exemplu de potrivire
`\d`	potrivește o cifră (0-9)	`\d\d\d`	'345'
`?`	potrivește 0 sau 1 apariție a caracterului anterior	`x\d?`	'x5'
`+`	potrivește una sau mai multe apariții ale caracterului anterior	`\d+`	'10'
`*`	potrivește orice caracter de 0 sau mai multe ori	`\d*`	'3081'
`[]`	potrivește orice caracter din interiorul parantezelor	`[a-z]`	'f'

Utilizarea ER cu SIMILAR TO

SELECT 
    camis, name, inspection_date, score, nta 
FROM 
    restaurant_inspection 
WHERE nta SIMILAR TO 'QN%' AND nta NOT SIMILAR TO 'QN__';

SELECT 
    camis, name, inspection_date, score, nta 
FROM 
    restaurant_inspection 
WHERE 
    nta NOT SIMILAR TO '[A-Z][A-Z]\d\d';

 camis    |        name        | inspection_date | score | nta  
 ---------+--------------------+-----------------+-------+------
 41659848 | LA BRISA DEL CIBAO | 01/30/2018      | 20    | Q26
 41104041 | THE SPARROW TAVERN | 09/17/2019      | 13    | QN723

Să exersăm!

Curățarea datelor în baze de date PostgreSQL