REGEXP_EXTRACT_ALL 在查询中提取“搜索运算符”答案

【问题标题】：REGEXP_EXTRACT_ALL extract "search operators" in a queryREGEXP_EXTRACT_ALL 在查询中提取“搜索运算符”
【发布时间】：2021-01-22 23:21:53
【问题描述】：

我正在尝试使用 BigQuery 的 REGEXP_EXTRACT_ALL 函数来解析 operator: query 形式的“搜索查询”。查询字符串中可以有多个运算符/查询对，并且属于运算符的“子查询”可以有多个用括号括起来的单词。我想使用正则表达式从查询字符串中只提取“搜索运算符”。

例如：

动物：猫 -> [“动物”]
动物：（山狮） -> [“动物”]
月份：二月日：星期日 -> ["month", "day"]
日期：（7 月 31 日）天气：（蓝天） -> [“日期”，“天气”]

有什么建议吗？我绝对是一个正则表达式菜鸟，到目前为止我做得最好的是

REGEXP_EXTRACT_ALL(query, "(.\*):") AS operator

它递归地扩展了冒号之前看到的所有文本（给我类似 ["date", "date: (july 31) weather"] 的结果）。

我想实现的最后一个“高级”功能是仅包含完全由文本组成的搜索运算符。例如：
时间：2020-07-08T17:09:14.043Z -> ["time"]

谢谢！

【问题讨论】：

标签： sql regex google-bigquery

【解决方案1】：

试试下面

regexp_extract_all(query, r'([^: ]+):') AS operator

如果应用于您问题中的样本数据 - 输出是

【讨论】：

【解决方案2】：

使用

regexp_extract_all(query, r'\b([a-zA-Z]+):') AS operator

见proof。

说明

--------------------------------------------------------------------------------
  \b                       the boundary between a word char (\w) and
                           something that is not a word char
--------------------------------------------------------------------------------
  (                        group and capture to \1:
--------------------------------------------------------------------------------
    [a-zA-Z]+                any character of: 'a' to 'z', 'A' to 'Z'
                             (1 or more times (matching the most
                             amount possible))
--------------------------------------------------------------------------------
  )                        end of \1
--------------------------------------------------------------------------------
  :                        ':'

【讨论】：