MaxCompute：Karakter escape

MaxCompute SQL

Dalam sintaksis SQL, string harus diapit oleh tanda kutip tunggal atau ganda, seperti "abc" atau '123'. Jika string mengandung satu jenis tanda kutip, Anda dapat mengapitnya dengan jenis tanda kutip lain. Contohnya: 'Tanda kutip ganda (")'. Namun, jika teks mencakup kedua jenis tanda kutip, gunakan karakter escape. Contohnya:

Tanda kutip ganda(")
Tanda kutip tunggal(')

Kode di atas mengandung '', "", dan baris baru. Dalam kasus ini, backslash \ digunakan bersama karakter berikutnya untuk merepresentasikan satu karakter. Contohnya, \n merepresentasikan baris baru, sementara \" atau \' merepresentasikan tanda kutip ganda atau tunggal dalam string. Dengan demikian, kode di atas dapat ditulis sebagai 'Tanda kutip ganda(")\nTanda kutip tunggal(\')' atau "Tanda kutip ganda(\")\nTanda kutip tunggal(')".

Backslash memiliki makna khusus. Untuk string yang mengandung backslash, tuliskan sebagai \\. Backslash pertama bertindak sebagai karakter escape, sedangkan backslash kedua adalah karakter nyata. Tabel berikut menjelaskan sintaks umum untuk karakter escape dalam SQL.

Ekspresi reguler

Dalam ekspresi reguler, backslash \ digunakan untuk mencocokkan karakter tak terlihat. Ekspresi reguler mendeklarasikan pola untuk mencocokkan teks, tetapi banyak karakter khusus seperti ( ) ^ % digunakan dalam pola ini. Contohnya, mesin ekspresi reguler dasar dalam MaxCompute menggunakan RE2. Tabel berikut menjelaskan sintaks penggunaan backslash \ sebagai karakter escape.

Sintaks ekspresi reguler kompleks. Anda dapat menggunakan alat online seperti regexr atau regex101 untuk menulis ekspresi reguler sesuai kebutuhan.

JSON

JSON adalah protokol teks sederhana yang sering digunakan untuk mentransmisikan data. Untuk informasi lebih lanjut tentang JSON, lihat JSON. Tabel berikut menjelaskan sintaks karakter escape dalam JSON, di mana backslash \ digunakan sebagai karakter escape.

Desain karakter escape dalam JSON mirip dengan desain dalam SQL. Anda dapat menggunakan alat online seperti JSONLint untuk memverifikasi apakah teks sesuai dengan spesifikasi JSON.

Gunakan karakter escape untuk menafsirkan karakter yang mengikuti karakter escape

• Dalam MaxCompute SQL, konstanta string dapat direpresentasikan menggunakan tanda kutip tunggal atau ganda. Anda dapat menyertakan tanda kutip ganda dalam string yang diapit oleh tanda kutip tunggal, atau sebaliknya. Dalam kasus lain, gunakan karakter escape. Contohnya:

  "I'm a happy manong."
  'I\'m a happy manong.'

• Jika Anda menggunakan LIKE untuk mencocokkan % atau _, karakter khusus tersebut harus di-escape. Contoh pernyataan:

  select 'ab_cde' like 'ab\_c%';
  
  -- Hasil berikut dikembalikan:
  true

Karakter khusus

• String 'a\tb' mengandung tiga karakter, di mana \t dianggap sebagai satu karakter.

  select length('a\tb');
  
  -- Hasil berikut dikembalikan:
  3

• String 'a\ab' mengandung tiga karakter, dan \a diinterpretasikan sebagai a.

  select 'a\ab',length('a\ab');
  
  -- Hasil berikut dikembalikan:
  aab,3

JSON + SQL escaping

Untuk teks JSON {"key":"this is very \"important\"."}, nilai yang diperoleh tidak valid ketika menggunakan fungsi get_json_object untuk mengekstrak nilai dari teks JSON.

-- Gunakan versi baru fungsi get_json_object untuk memeriksa integritas teks JSON.
set odps.sql.udf.getjsonobj.new=true;
select get_json_object('{"key":"this is very \"important\"."}', '$.key');

-- Hasil berikut dikembalikan:
NULL

Alasan kegagalan adalah bahwa teks JSON diapit oleh tanda kutip tunggal, tetapi karakter-karakter teks JSON tidak di-escape dalam SQL. Jalankan pernyataan SELECT berikut untuk verifikasi:

select '{"key":"this is very \"important\"."}'; 

-- Hasil berikut dikembalikan:
{"key":"this is very "important"."}

Backslash hilang dalam teks JSON karena kompiler menganggap karakter escape JSON sebagai karakter escape SQL selama parsing, menginterpretasikan \" sebagai ". Hasil yang diperoleh tidak sesuai dengan sintaks JSON, sehingga menyebabkan kegagalan parsing. Tambahkan karakter escape SQL yang valid ke teks JSON. Teks JSON diubah menjadi '{"key":"this is very \\"important\\"."}'. Kemudian, gunakan fungsi get_json_object untuk mengekstrak nilai lagi. Hasil yang dikembalikan valid.

set odps.sql.udf.getjsonobj.new=true;
select get_json_object('{"key":"this is very \\"important\\"."}', '$.key');

-- Hasil berikut dikembalikan:
this is very "important".

Teks sederhana + ekspresi reguler + SQL escaping

Untuk mengekstrak 010 dari teks 010-12345678 menggunakan fungsi, lakukan langkah-langkah berikut:

1. Tulis ekspresi reguler (\d+)-.

2. Escape backslash \ dalam ekspresi reguler berdasarkan aturan escaping SQL dan apit ekspresi reguler dalam tanda kutip tunggal untuk memperoleh string '(\\d+)-'.

Jalankan pernyataan berikut dalam MaxCompute untuk verifikasi:

select REGEXP_EXTRACT('010-12345678', '(\\d+)-');

-- Hasil berikut dikembalikan:
010

JSON + ekspresi reguler + SQL escaping

Untuk mencocokkan important dari string yang mengandung karakter escape, seperti string JSON {"key":"this is very \"important\"."} menggunakan ekspresi reguler, lakukan langkah-langkah berikut:

1. Tulis ekspresi reguler \"(.*)\".

2. Escape backslash dalam ekspresi reguler. Setelah di-escape, ekspresi reguler menjadi \\"(.*)\\".

3. Lakukan escaping SQL untuk ekspresi dengan mengganti \ dengan \\. Untuk kesederhanaan, apit ekspresi dalam tanda kutip tunggal untuk memperoleh string '\\\\"(.*)\\\\"'.

Jalankan pernyataan berikut dalam MaxCompute untuk verifikasi:

select REGEXP_EXTRACT('{"key":"this is very \\"important\\"."}', '\\\\"(.*)\\\\"');

-- Hasil berikut dikembalikan:
important

Hasilnya sesuai harapan. Dalam skenario serupa, kami sarankan Anda mem-parsing teks JSON terlebih dahulu agar logikanya lebih jelas. Contoh pernyataan:

set odps.sql.udf.getjsonobj.new=true;
select REGEXP_EXTRACT(get_json_object('{"key":"this is very \\"important\\"."}', '$.key'), '"(.*)"');

-- Hasil berikut dikembalikan:
important