0. 简介
在 PostgreSQL 中，EXTRACT 函数用于从日期/时间类型的数据中提取特定的部分，如年份、月份、星期几等。该函数非常适用于需要对时间字段进行分析或转换的场景。本文将详细介绍 EXTRACT 函数的用法，并提供丰富的案例，帮助你理解如何在 PostgreSQL 中高效地使用它。
1. EXTRACT 函数的语法
EXTRACT(field FROM source)
**field**：要提取的时间字段，例如YEAR、MONTH、DAY、HOUR等。**source**：日期/时间数据，可以是DATE、TIMESTAMP或INTERVAL类型。
2. 常用 field参数
field 值 | 说明 |
|---|---|
YEAR | 提取年份 |
MONTH | 提取月份 |
DAY | 提取日期（一个月中的第几天） |
HOUR | 提取小时 |
MINUTE | 提取分钟 |
SECOND | 提取秒 |
DOW | 提取星期几（0=星期日，1=星期一…6=星期六） |
DOY | 提取一年中的第几天（1 到 366） |
QUARTER | 提取季度（1=第一季度，2=第二季度…） |
EPOCH | 提取自 1970-01-01 00:00:00 UTC 以来的秒数 |
3. EXTRACT 函数的案例
3.1 提取日期相关字段
1. 提取年份
SELECT EXTRACT(YEAR FROM TIMESTAMP '2025-02-05 15:30:00');
结果： 2025
2. 提取月份
SELECT EXTRACT(MONTH FROM TIMESTAMP '2025-02-05 15:30:00');
结果： 2
3. 提取日期（一个月中的第几天）
SELECT EXTRACT(DAY FROM TIMESTAMP '2025-02-05 15:30:00');
结果： 5
3.2 提取时间相关字段
4. 提取小时
SELECT EXTRACT(HOUR FROM TIMESTAMP '2025-02-05 15:30:00');
结果： 15
5. 提取分钟
SELECT EXTRACT(MINUTE FROM TIMESTAMP '2025-02-05 15:30:00');
结果： 30
6. 提取秒
SELECT EXTRACT(SECOND FROM TIMESTAMP '2025-02-05 15:30:45.123456');
结果： 45.123456
3.3 提取周、季度、年度相关信息
7. 提取星期几（DOW）
SELECT EXTRACT(DOW FROM DATE '2025-02-05');
结果： 3（星期三）
8. 提取一年中的第几天（DOY）
SELECT EXTRACT(DOY FROM DATE '2025-02-05');
结果： 36（2025 年 2 月 5 日是一年中的第 36 天）
9. 提取季度
SELECT EXTRACT(QUARTER FROM DATE '2025-02-05');
结果： 1（第一季度）
3.4 提取 Unix 时间戳（EPOCH）
10. 计算自 1970-01-01 以来的秒数
SELECT EXTRACT(EPOCH FROM TIMESTAMP '2025-02-05 15:30:00');
结果： 一个很大的整数，表示自 1970 年 1 月 1 日以来的秒数。
11. 计算两个时间点之间的秒数
SELECT EXTRACT(EPOCH FROM TIMESTAMP '2025-02-05 16:00:00') - EXTRACT(EPOCH FROM TIMESTAMP '2025-02-05 15:30:00');
结果： 1800（两者相差 1800 秒，即 30 分钟）
4. EXTRACT 与 DATE_PART`的区别
EXTRACT 和 DATE_PART 都可以用来提取日期/时间的特定部分，但 DATE_PART 返回的是 DOUBLE PRECISION 类型，而 EXTRACT 适用于更多的时间单位。
示例对比：
-- 使用 EXTRACT
SELECT EXTRACT(YEAR FROM TIMESTAMP '2025-02-05 15:30:00');
-- 使用 DATE_PART
SELECT DATE_PART('year', TIMESTAMP '2025-02-05 15:30:00');
区别：
EXTRACT使用 SQL 标准的field关键字。DATE_PART需要使用引号包裹field参数，并返回DOUBLE PRECISION。
5. 结论
PostgreSQL 的 EXTRACT 函数是一个强大的日期/时间处理工具，可以提取各种时间字段，在数据分析、查询优化、报表统计等场景中非常有用。
