Bigquery 中带有字符串值的 REGEXP_EXTRACT答案

【问题标题】：REGEXP_EXTRACT with String Value in BigqueryBigquery 中带有字符串值的 REGEXP_EXTRACT
【发布时间】：2023-03-28 11:02:01
【问题描述】：

我想提取列中的单词，列值如下所示：'p-fr-youtube-car'。并且它们都应该被提取到自己的列中。

输入：

p-fr-youtube-car

期望的输出：

Country = fr
Channel = youtube
Item = car

我尝试在下面提取第一个单词，但无法找出其余的单词。什么 RegEx 将从这个输入中实现我想要的输出？我怎样才能使它不区分大小写 fr 和 FR 将是相同的。

REGEXP_EXTRACT_ALL(CampaignName, r"^p-([a-z]*)") AS Country

【问题讨论】：

您可以使用([^-]+) 来匹配连字符之间的部分。要获取youtube、^p-[^-]+-([^-]+) 和获取car，请使用^p-[^-]+-[^-]+-([^-]+)。
你的意思是这样吗？ REGEXP_EXTRACT_ALL(CampaignName, r'(?i)^p-[^-]+-([^-]+)([az]*)') AS Channel，我得到错误：传递给提取函数的正则表达式不能有超过 1 个捕获组
我写了确切的模式，无需干预它们。 REGEXP_EXTRACT_ALL(CampaignName, r'^p-[^-]+-([^-]+)') 和 REGEXP_EXTRACT_ALL(CampaignName, r'^p-[^-]+-[^-]+-([^-]+)')。 单独使用。
啊，好极了，现在我明白了。谢谢你。这对我有用！

标签： regex google-bigquery extract regexp-replace

【解决方案1】：

您可以使用[^-]+ 来匹配连字符之间的部分，并且只捕获您需要获取的部分。

要获取youtube 之类的字符串，可以使用

REGEXP_EXTRACT_ALL(CampaignName, r'^p-[^-]+-([^-]+)')

要获取car 之类的字符串，可以使用

REGEXP_EXTRACT_ALL(CampaignName, r'^p-[^-]+-[^-]+-([^-]+)')

因此，[^-]+ 匹配除 - 之外的一个或多个字符，([^-]+) 是用捕获组包裹的相同模式，其内容 REGEXP_EXTRACT 实际上作为结果返回。

【讨论】：

【解决方案2】：

您可以使用命名组。

正则表达式示例：

p-(?P<Country>[a-z]*)\-(?P<Channel>[a-z]*)\-(?P<Item>[a-z]*)$

https://regex101.com/r/fKoBIn/3

【讨论】：

@WiktorStribiżew 你说得对，我已经将正则表达式和链接编辑为有效的 Golang 正则表达式。
我似乎无法让它在 bigquery 中工作，不确定是否受支持，因为我认为我需要添加 As Contry 来创建列，例如。我收到错误“正则表达式通过提取函数中的捕获组不得超过 1 个”当我添加 'REGEXP_EXTRACT_ALL(CampaignName, r'^p-(?P[az]*)\-(?P[az]*)\ -(?P[az]*)$') 作为测试，'

【解决方案3】：

以下是 BigQuery 标准 SQL

我建议在像您这样的情况下使用 SPLIT

#standardSQL
SELECT CampaignName, 
  parts[SAFE_OFFSET(1)] AS Country,
  parts[SAFE_OFFSET(2)] AS Channel,
  parts[SAFE_OFFSET(3)] AS Item
FROM `project.dataset.table`,
UNNEST([STRUCT(SPLIT(CampaignName, '-') AS parts)])

如果应用于您问题中的样本数据 - 输出是

Row CampaignName        Country     Channel     Item     
1   p-fr-youtube-car    fr          youtube     car

同时，如果由于某种原因你需要使用正则表达式 - 你可以在下面使用

#standardSQL
SELECT CampaignName, 
  parts[SAFE_OFFSET(1)] AS Country,
  parts[SAFE_OFFSET(2)] AS Channel,
  parts[SAFE_OFFSET(3)] AS Item
FROM `project.dataset.table`,
UNNEST([STRUCT(REGEXP_EXTRACT_ALL(CampaignName, r'(?:^|-)([^-]*)') AS parts)])

【讨论】：