regex - 不要提取错误的子串/数字

Question

我在 PostgreSQL 中处理地址数据，需要提取 4 位邮政编码。

我有一些地址，例如'UNIT 1503 CENTER RD CLAYTON VIC 3168 1503, AU'其中“3168”对应于我的邮政编码。

我尝试过的所有操作都将“1503”提取为错误的邮政编码。在其余地址中，不是邮政编码的 4 位数字(例如“1503”)在地址中出现了两次。在大多数情况下，第二个数字出现在逗号之前(但我不确定是否所有情况都是如此)。

以下代码为我提供了一个包含所有 4 位数字的列表:

select array_to_string(regexp_matches('1503 CENTRE RD CLAYTON VIC 3168 1503, AU', '\m[0-9]{4}\M', 'g'), '')

但是当我更新列“postal_code”时，只使用了第一行。

我需要一个代码来首先检查是否有多个 4 位数字。如果是这种情况，我需要执行以下规则(我不知道如何执行):“如果字符串中有一个以上的4位数字，只提取唯一的数字(3168)；去掉出现两次的数字”。

Answer 1

你快到了。

with t(id,x) as (values
  (1,'1503 CENTRE RD CLAYTON VIC 3168 1503, AU'::text),
  (2,'1111 2222 3333 1111')) 
select id, n[1]
from t, regexp_matches(x, '\m\d{4}\M', 'g') as n 
group by id, n[1]
having count(*) = 1; -- Check for uniqueness