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" などの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1つのタイプの引用符が含まれている場合は、その文字列をもう1つのタイプ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 \は、1つの文字を表すために次の文字とともに使用されます。 たとえば、\nは新しい行を表します。 \" または \' は、文字列の末尾を示す文字ではなく、文字列の二重引用符または単一引用符を表します。 このように、上記のコードは、'Double quotation mark(")\n Single quotation mark(\')' または " Double quotation mark(\")\n Single quotation mark(')" として記述できます。

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 \\ として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 \を使用して非表示の文字を照合します。 正規表現は、テキストの照合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の基になる正規表現エンジンはRE2を使用します。 RE2の詳細については、「RE2」をご参照ください。 バックスラッシュ \をエスケープ文字として使用する構文を次の表に示します。

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、期待に合った正規表現を作成できます。

JSON

JSONは、データの送信に一般的に使用される単純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デザインは、SQLのそれと似ています。 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、エスケープ文字に続く文字を解釈します

• 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。 例：

  select 'ab_cde' like 'ab\_c%';
  
  -- The following result is returned:
  true

特殊文字

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

  select length('a\tb');
  
  -- The following result is returned:
  3

• 文字列 'a\ab' には3文字が含まれ、\aはaとして解釈されます。

  select 'a\ab',length('a\ab');
  
  -- The following result is returned:
  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。

-- Use the new version of the get_json_object function to check the integrity of the JSON text.
set odps.sql.udf.getjsonobj.new=true;
select get_json_object('{"key":"this is very \"important\"."}', '$.key');

-- The following result is returned:
NULL

失敗の理由は、JSONテキストは単一引用符で囲まれていますが、JSONテキストの文字はSQLでエスケープされていないためです。 検証のために次のSELECTステートメントを実行します。

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

-- The following result is returned:
{"key":"this is very "important"."}

JSONテキストでバックスラッシュが消えます。 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。 得られた結果はJSON構文に準拠していません。 この結果、解析が失敗する。 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。 返された結果は有効です。

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

-- The following result is returned:
this is very "important".

単純なテキスト + 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、正規表現を単一引用符で囲み、文字列 '(\\d +)-' を取得します。

検証のためにMaxComputeで次のステートメントを実行します。

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

-- The following result is returned:
010

JSON + 正規表現 + SQLエスケープ

正規表現を使用して、JSON文字列 {"key":"this is very \" important\"."} などのエスケープ文字を含む文字列からimportantを一致させるには、次の手順を実行します。

1. 正規表現 \"(.*)\" を記述します。

2. 正規表現で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 \\ に置き換えて、式のSQLエスケープを実行します。 簡単にするために、式を単一引用符で囲み、'\\\\ "(.*)\\\\"' という文字列を取得します。

検証のために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\\"."}', '\\\\"(.*)\\\\"');

-- The following result is returned:
important

結果は予想通りです。 同様のシナリオでは、ロジックを明確にするために、まずJSONテキストを解析することをお勧めします。 サンプル文:

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

-- The following result is returned:
important