使用正则表达式

Question

我是否可以请求您的帮助，以便使用REGEXP_EXTRACT构建要在Google Big Query上使用的正则表达式，该解析将解析由特定键标识的url参数的值？

假设我要解析的参数的键值等于＆＃34; source＆＃34;。解析应该：

• 确保在键之前有＆＃34;？＆＃34;或者＆＃34;＆amp;＆＃34;之后有一个＆＃34; =＆＃34; ：所以在示例匹配＆＃34;？source =＆＃34;或＆＃34;＆amp; source =＆＃34;
• 捕获值直到第一个＆＃34;＆amp;＆＃34;或字符串结尾
• 如果上述条件匹配多次，则应采用第一次出现的值

以下是所需行为的一些示例（它们都应提供＆＃34; google＆＃34;作为输出）：

• www.google.com?source=google&medium=cpc - ＆gt;输出：谷歌
• www.google.com?source=google - ＆gt;输出：谷歌
• www.google.com?medium=cpc&source=google - ＆gt;输出：谷歌
• www.google.com?medium=cpc&source=google&keyword=foo - ＆gt;输出：谷歌
• www.google.com?medium=cpc&source=google&keyword=foo&source=bing - ＆gt;输出：谷歌
• www.google.it?medium=cpc?source=goo-gle - ＆gt;输出：goo-gle
• www.google.it?medium=cpc?source=google?med=cpc&keyword=foo - ＆gt;输出：google？med = cpc

非常感谢您的帮助！

Answer 1

[?&]source=([^&]+)

匹配中第一个捕获的组将是“source”参数的值。

• [?&] ?或&
• source=文字文字
• ([^&]+)包含1个或多个非&
字符的已捕获组

Answer 2

如果您需要从网址中提取所有参数，您还可以使用REGEXP_EXTRACT_ALL，如下所示：

REGEXP_EXTRACT_ALL(query,r'(?:\?|&)((?:[^=]+)=(?:[^&]*))') as params

（在此发布，因为此问题在Google上排名“bigquery parse url query string”，但所选答案仅适用于已定义的一个参数。）

这会将结果作为数组返回（参见How to extract URL parameters as ARRAY in Google BigQuery）：