Question

给出一个示例数据集，我试图进行排序：

email,domain_name
name1@email.com,superlorem.com
name2@email.com,superdolor.com
name3@email.com,superamet.com
name4@email.com,badlorem.com
name5@email.com,baddolor.com
name6@email.com,badamet.com

我开始使用诸如......之类的查询选择电子邮件从表哪里（domain_name包含＆＃39; dolor＆＃39;）或（domain_name包含＆＃39; sit＆＃39;）或（domain_name包含＆＃39; amet＆＃39;） GROUP BY电子邮件

是否可以按＆＃34;包含＆＃34;对结果进行分组。单词，例如＆＃39; dolor＆＃39;，＆＃39; sit＆＃39;和＆＃39; amet＆＃39;？单词本身不会存在于列中（例如，作为域名的一部分，例如superlipsum.com）。我的最终目标是拥有一个类似于此的CSV：

Dolor,column1
Dolor,column2
Dolor,column3
Sit,column4
Sit,column5
Sit,column6
Sit,column7    
Amet,column8

Answer 1

你需要单独的表格，其中包含所有单词（dolor，sit，amet等）然后，下面应该工作

SELECT 
  word,
  email
FROM yourTable AS t1
CROSS JOIN wordsTable AS t2
WHERE domain_name CONTAINS word
ORDER BY word, email

如果您的单词列表有限 - 您可以使用以下（动态）版本

SELECT 
  word,
  email
FROM yourTable AS t1
CROSS JOIN (
  SELECT f0_ AS word FROM
  (SELECT 'dolor'),
  (SELECT 'sit'),
  (SELECT 'amet')
) AS t2
WHERE domain_name CONTAINS word
ORDER BY word, email

两者都会产生类似下面的内容

word    email    
amet    name3@email.com  
amet    name6@email.com  
dolor   name2@email.com  
dolor   name5@email.com

Answer 2

另一种选择是使用正则表达式，即

SELECT 
 regexp_extract(domain_name, r'(dolor|sit|amet)' word,
 email, 
FROM table

BigQuery将为正则表达式编译自动机一次，并将有效地将其应用于所有行。我希望这能比JOIN提供更好的性能。

谷歌BigQuery分组包含关键字

2 个答案: