在Google Big Query中查询中文字符（utf-8）

Question

我想从我的Google数据集中查询包含中文字符的标题（例如：数学），我尝试了很多方法如下。

Google大查询只有LENGTH（）函数，并且它没有使用DATALENGTH（）来比较长度和数据的差异。

然后，我尝试使用REGEXP_MATCH（）＆＃39; [\ u4e00- \ u9fa5]＆＃39;匹配汉字，但它也不起作用。

我无法弄清楚是否有其他方法可以解决这个问题。 请帮忙，谢谢。

Answer 1

BigQuery的LENGTH函数目前有一个错误，它会返回不符合ASCII编码范围的字符的错误STRING长度：https://code.google.com/p/google-bigquery/issues/detail?id=109

可能的解决方法：如果您只需要准确的LENGTH计数，则可以使用REGEXP_REPLACE函数将字符转换为随机ASCII字符（例如＆＃39; _＆＃39;），并计算：

SELECT '數學', 
        LENGTH(REGEXP_REPLACE('數學', r'.', '_')) as correct, 
        LENGTH('數學') as incorrect;