Mönstermatchning

Datarensning i PostgreSQL-databaser

Darryl Reeves, Ph.D.

Industry Assistant Professor, New York University

Identifiera mönster: ett exempel

 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

Identifiera mönster: ett exempel

Giltiga prefix för NTA-koder

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

Identifiera mönster: ett exempel

Tabellresultat med en röd ruta som markerar en ogiltig NTA-kod

Operatorn LIKE

SELECT * FROM restaurant_inspection WHERE nta LIKE 'QN544';

SELECT * FROM restaurant_inspection WHERE nta = 'QN544';

Operatorn LIKE

Mönstermatchningstecken

% - matchar en sekvens av noll eller fler tecken
_ (understreck) - matchar ett enskilt tecken

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

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

Reguljära uttryck (RE)

Mönstermatchning med LIKE är begränsad
Mer specifika mönster kan vara användbara
Reguljära uttryck (RE) möjliggör mer avancerad mönstermatchning

Operatorn SIMILAR TO

Ger utökad mönstermatchningsfunktionalitet

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

Grunderna i RE

Metategn	Användning	Exempel-RE	Exempelmatchning
`\d`	matchar en siffra (0–9)	`\d\d\d`	'345'
`?`	matchar 0 eller 1 av föregående tecken	`x\d?`	'x5'
`+`	matchar ett eller fler av föregående tecken	`\d+`	'10'
`*`	matchar vilket tecken som helst 0 eller fler gånger	`\d*`	'3081'
`[]`	matchar valfritt tecken inom hakparenteserna	`[a-z]`	'f'

Använda RE med 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

Nu kör vi en övning!

Datarensning i PostgreSQL-databaser