REGEXP_EXTRACT 用于在 Google Data Studio 中提取年份或月份的特定字符串

Question

我正在尝试对我的网站进行分类，但它们的 uri 结构并不总是相同，因此我想在一列中提取年份，在第二列中提取月份。

结果应该是单独的列/字段中的年份和月份：

url	year	months
/www.site.com/path1/resort/2021/02/sitename	2021	02
/www.site.com/path1/2021/02	2021	02
/www.site.com/path1/2020/11-12	2020	11-12
/www.site.com/path1/2020/07-08	2020	07-08
/www.site.com/path1/resort/	null	null

工作年份的以下正则表达式：

REGEXP_EXTRACT(url,'([0-9]{4})') >> result: 2020, null etc.

但是当月的正则表达式并没有只提取月份：

REGEXP_EXTRACT(url,'((?:[0-9]{4}/)[0-9]+.?[0-9]*/)') >> result: 2020/11-12/,2021/02/, null etc.

提前感谢您的帮助。

Answer 1

你可以使用

(?:^|/)((?:19|20)[0-9]{2})/((?:0?[1-9]|1[0-2])(?:-(?:0?[1-9]|1[0-2]))?)(?:/|$)

请参阅regex demo。

如果您每次匹配只需要捕获一次，请将捕获组替换为非捕获，或删除额外的模式：

REGEXP_EXTRACT(col_url, '(?:^|/)((?:19|20)[0-9]{2})(?:/|$)') as Year
REGEXP_EXTRACT(col_url, '(?:^|/)((?:0?[1-9]|1[0-2])(?:-(?:0?[1-9]|1[0-2]))?)(?:/|$)') as Month

详情：

• (?:^|/) - 字符串开始或/
• ((?:19|20)[0-9]{2}) - 第 1 组：一年，19 或 20 后跟任意两位数
• / - 一个 / 字符
• ((?:0?[1-9]|1[0-2])(?:-(?:0?[1-9]|1[0-2]))?) - 第 2 组（月）：可选的 0，然后是 1 到 9，或 1，然后是 0 到 2（00-12），然后- 和同一月份模式的可选出现
• (?:/|$) - / 或字符串结尾。