字符出现之间的正则表达式匹配

Question

我有以下字符串：

3#White House, District Of Columbia, United States#US#USDC#DC001#38.8951#-77.0364#531871#382

如您所见，字符串由# 分隔。我的用例类似于一个简单的 SPLIT(string,"#") 操作，但正则表达式给了我更多的灵活性。

我想匹配两次出现的# 之间的字符。例如，第二次和第三次出现之间的字符应该匹配：'US'

我正在使用 Google Bigquery，并且能够匹配字符串的前两个术语，但与第三个术语相匹配：

REGEXP_EXTRACT(locations,r'^\d') as location_type,    
REGEXP_REPLACE(REGEXP_EXTRACT(locations,r'^\d#.*?#'),r'^\d*#|#','') as location_full_name, 
????

位置是字符串，例如上面的字符串。

我找到了这个question，但我有多个分隔符，并且想指定匹配应该发生在哪些事件之间，例如第 2 次和第 5 次出现。

Answer 1

您可以使用像^(?:[^#]*#){N}([^#]*) 这样的正则表达式，其中N 是您所需的子字符串数减1。要获得第三个值US，您可以使用

^(?:[^#]*#){2}([^#]*)

见regex demo

详情

• ^ - 字符串开头
• (?:[^#]*#){2} - 两个序列
  • [^#]* - 除# 之外的任何零个或多个字符
  • # - 一个 # 字符
• ([^#]*) - 捕获组 1：除 # 之外的任何零个或多个字符。

Answer 2

我的用例类似于一个简单的 SPLIT(string,"#") 操作，但正则表达式给了我更多的灵活性

显然REGEXP_EXTRACT() 是去这里的方式 - 但想抛出不同的选项以显示使用 split 的灵活性 - 只是一个选项

#standardSQL
WITH `project.dataset.table` AS (
  SELECT '3#White House, District Of Columbia, United States#US#USDC#DC001#38.8951#-77.0364#531871#382' locations
)
SELECT 
  REGEXP_EXTRACT(locations, r'^(?:[^#]*#){2}([^#]*(?:#[^#]*){3})') value_via_regexp,
  (SELECT STRING_AGG(part, '#' ORDER BY pos) FROM UNNEST(SPLIT(locations, '#')) part WITH OFFSET pos WHERE pos BETWEEN 2 AND 5) value_via_split_unnest
FROM `project.dataset.table`      

结果为

Row     value_via_regexp            value_via_split_unnest   
1       US#USDC#DC001#38.8951       US#USDC#DC001#38.8951