Postgres: REGEXP_MATCHES() function Bahagian 1

Analisa hashtag / tanda pagar

Photo by Hanna Balan on Unsplash

Kembali kepada contoh kedai makan kita yang lepas. Kita hari ini perlu buat 2 analisa data untuk kedai kita:

1. Apakah hashtag yang digunakan oleh pelanggan ?

2. Mengenal pasti komen yang mengandungi perkataan tertentu

Seperti biasa mari mulakan dengan create table:

Table: customer_comments

CREATE TABLE customer_comments (
  username VARCHAR (50),
  comments  VARCHAR (256),
  created_at TIMESTAMP default current_timestamp
);

Seterusnya masukkan data dalam table

insert into customer_comments(username, comments) values ('hasbullah','#nasilemak sedap betul');
insert into customer_comments(username, comments) values ('adib','Makan kena tunggu 1 jam baru sampai. #service slow');
insert into customer_comments(username, comments) values ('hinata','#jus mangga dia mengancam betul. sedap!');
insert into customer_comments(username, comments) values ('hana','sambal #nasilemak dia power');
insert into customer_comments(username, comments) values ('hasbullah','kena datang awal');
insert into customer_comments(username, comments) values ('juragan','#beratur panjang. #ayamgoreng power');
insert into customer_comments(username, comments) values ('malik','banyak pilihan  #lauk');
insert into customer_comments(username, comments) values ('hana','anda  kena cuba #nasilemak ayam goreng dia');
insert into customer_comments(username, comments) values ('adib','#nasilemak terbaik');

Hasil query

Analisa

Apakah hashtag yang digunakan oleh pelanggan

Dalam analisa ini , kita cuba mencari perkataan menggunakan hashtag (#) seperti #sedap #trending #fyp . Jadi dengan menggunakan regex merupakan salah satu cara untuk mengesan pattern dalam string. Berikut adalah regex untuk mendapatkan string yang bermula dengan hashtag.

#([A-Za-z0-9_]+)

Tidak percaya?

Mari kita cuba periksa dengan regex101 .

Dalam postgres ada satu function yang menggunakan regex iaitu REGEXP_MATCHES()

Sebelum itu mari kita lihat anatomi function ini

REGEXP_MATCHES(string, pattern [, flags])

string - column atau string yang kita letakkan

pattern - ini berkaitan dengan pattern regex . Anda boleh gunakan tools sepert regex101 untuk belajar mengenainya.

flag - Parameter tambahan . Sebagai contoh i untuk mencari padanan yang tidak case-sensitive. g digunakan untuk global search.

Mari kita query.

select REGEXP_MATCHES(comments,
         '#([A-Za-z0-9_]+)',
        'g') hashtag, comments from customer_comments;

Dan ini adalah hasil SQL query tersebut

Mari kita count berapakah hashtag keyword yang ada.

WITH CTE_cust_hashtag as (
select REGEXP_MATCHES(comments,
         '#([A-Za-z0-9_]+)',
        'g') hashtag, comments from customer_comments)
select hashtag, count(*)
from CTE_cust_hashtag
group by hashtag
;

Hasilnya

Ramai sebut pasal nasi lemak. hehe

Photo by Aldrin Rachman Pradana on Unsplash

Selamat makan . Eh.

Selamat mencuba!

xxx

Rujukan:

https://www.postgresqltutorial.com/postgresql-string-functions/postgresql-regexp_matches/