MaxCompute:エスケープ文字

MaxCompute SQL

SQL 構文では、文字列の内容は "abc" や '123' など、一重引用符または二重引用符で囲む必要があります。 文字列に一種類の引用符が含まれている場合は、文字列をもう一方の種類の引用符で囲むことができます。 例: '二重引用符 (")'。 ただし、テキストには一重引用符と二重引用符の両方が含まれている場合があります。 例:

Double quotation mark(")
Single quotation mark(')

上記のコードには、'' と "" だけでなく、改行も含まれています。 この場合、文字列にほとんど含まれていないバックスラッシュ \ を次の文字とともに使用して、1 つの文字を表します。 たとえば、\n は改行を表します。 \" または \' は、文字列の終わりを示す文字ではなく、文字列内の二重引用符または一重引用符を表します。 このようにして、上記のコードは 'Double quotation mark(")\nSingle quotation mark(\')' または "Double quotation mark(\")\nSingle quotation mark(')" と書くことができます。

このように、バックスラッシュには特別な意味があります。 バックスラッシュを含む文字列の場合、バックスラッシュは \\ と記述する必要があります。 この場合、最初のバックスラッシュはエスケープ文字であり、2 番目のバックスラッシュは実際の文字です。 次の表に、SQL でのエスケープ文字の一般的な構文を示します。

正規表現

正規表現では、バックスラッシュ \ は不可視文字と一致するために使用されます。 正規表現は、テキストと一致するために使用されるパターンを宣言します。 ただし、これらのパターンでは、( ) ^ % などの多数の特殊文字が使用されます。 たとえば、MaxCompute の基盤となる正規表現エンジンは RE2 を使用します。 次の表に、バックスラッシュ \ がエスケープ文字として使用される構文を示します。

完全な正規表現構文は複雑です。 regexr または regex101 オンラインツールを使用して、期待どおりの正規表現を作成できます。

JSON

JSON は、データの送信によく使用されるシンプルなテキストプロトコルです。 JSON の詳細については、「JSON」をご参照ください。 次の表に、JSON でのエスケープ文字の構文を示します。 JSON では、バックスラッシュ \ がエスケープ文字として使用されます。

JSON のエスケープ文字の設計は SQL のエスケープ文字の設計と似ています。 JSON オンラインツール JSONLint を使用して、テキストが JSON 仕様に準拠しているかどうかを確認できます。

エスケープ文字を使用して、エスケープ文字の次の文字を解釈する

• MaxCompute SQL では、一重引用符または二重引用符を使用して文字列定数を表すことができます。 一重引用符で囲まれた文字列に二重引用符を含めることも、二重引用符で囲まれた文字列に一重引用符を含めることもできます。 それ以外の場合は、エスケープ文字を使用する必要があります。 例:

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

• LIKE を使用して % または _ と一致させる場合は、特殊文字をエスケープする必要があります。 ステートメントの例:

  select 'ab_cde' like 'ab\_c%';
  
  -- 返される結果:
  true

特殊文字

• 文字列 'a\tb' には 3 文字が含まれており、文字列内の \t は 1 文字と見なされます。

  select length('a\tb');
  
  -- 返される結果:
  3

• 文字列 'a\ab' には 3 文字が含まれており、\a は a として解釈されます。

  select 'a\ab',length('a\ab');
  
  -- 返される結果:
  aab,3

JSON + SQL エスケープ

JSON テキスト {"key":"this is very \"important\"."} の場合、get_json_object 関数を使用して JSON テキストから値を抽出すると、無効な値が取得されます。

-- 新バージョンの get_json_object 関数を使用して、JSON テキストの整合性を確認します。
set odps.sql.udf.getjsonobj.new=true;
select get_json_object('{"key":"this is very \"important\"."}', '$.key');

-- 返される結果:
NULL

失敗の理由は、JSON テキストが一重引用符で囲まれているにもかかわらず、JSON テキストの文字が SQL でエスケープされていないためです。 確認のために次の SELECT ステートメントを実行します。

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

-- 返される結果:
{"key":"this is very "important"."}

JSON テキストのバックスラッシュが消えています。 これは、コンパイラが解析中に JSON エスケープ文字を SQL エスケープ文字と見なし、\" を " として解釈するためです。 取得された結果は JSON 構文に準拠していません。 これにより、解析エラーが発生します。 有効な SQL エスケープ文字を JSON テキストに追加します。 JSON テキストは '{"key":"this is very \\"important\\"."}' に変更されます。 次に、get_json_object 関数を使用して値を再度抽出します。 返される結果は有効です。

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

-- 返される結果:
this is very "important".

シンプルなテキスト + 正規表現 + SQL エスケープ

関数を使用してテキスト 010-12345678 から 010 を抽出するには、次の手順を実行します。

1. 正規表現 (\d+)- を記述します。

2. SQL エスケープルールに基づいて正規表現のバックスラッシュ \ をエスケープし、正規表現を一重引用符で囲んで文字列 '(\\d+)-' を取得します。

確認のために MaxCompute で次のステートメントを実行します。

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

-- 返される結果:
010

JSON + 正規表現 + SQL エスケープ

JSON 文字列 {"key":"this is very \"important\"."} など、エスケープ文字を含む文字列から正規表現を使用して important と一致させるには、次の手順を実行します。

1. 正規表現 \"(.*)\" を記述します。

2. 正規表現のバックスラッシュをエスケープします。 エスケープ後、正規表現は \\"(.*)\\" に変更されます。

3. \ を \\ に置き換えることによって、式に対して SQL エスケープを実行します。 簡単にするために、式を一重引用符で囲んで文字列 '\\\\"(.*)\\\\"' を取得します。

確認のために MaxCompute で次のステートメントを実行します。

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

-- 返される結果:
important

結果は期待どおりです。 同様のシナリオでは、最初に JSON テキストを解析してロジックを明確にすることをお勧めします。 ステートメントの例:

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

-- 返される結果:
important