Question

我正在尝试使用this blog post中的正则表达式查询google bigquery表。在这里，稍作修改：

pd\.([^”,\.\(\,\`) \’:\[\]\/\\={}]*)

然而，它不适用于我的google bigquery python客户端SQL查询：

query_results = client.run_sync_query(
"""
SELECT
  REGEXP_EXTRACT(SPLIT(content, '\n'),
                 r'pd\.([^”,\.\(\,\`) \’:\[\]\/\\={}]*)')
FROM
  [fh-bigquery:github_extracts.contents_py]
LIMIT 10
""")

query_results.run()

data = query_results.fetch_data()
data

BadRequest：BadRequest：400无法解析正则表达式“pd。（[^”，。（\，`）\'：[] / \ = {}] *）“：无效的转义序列：\'

Answer 1

这里的问题是BigQuery使用re2库进行正则表达式操作。

如果你尝试使用相同的正则表达式但使用 golang 风格，你会看到完全相同的error（golang也使用re2）。

所以，如果您只是删除了'字符的转义，那么您已经拥有它可以为您工作（因为我在这里测试它似乎正常工作）。

您可能会发现另一个问题是SPLIT操作的结果是ARRAY。这意味着BigQuery不会处理您的查询，说明REGEXP_EXTRACT的签名不允许ARRAY<STRING>作为输入。您可以改为使用REGEXP_REPLACE：

"""
SELECT
  REGEXP_EXTRACT(REGEXP_REPLACE(content, r'.*(\\n)', ''),
                 r'pd\.([^”,\.\(\,\`) ’:\[\]\/\\={}]*)')
FROM
  [fh-bigquery:github_extracts.contents_py]
LIMIT 10
"""

在此操作中，字符“\ n”将替换为“”，结果为STRING。

Google bigquery python客户端库SQL选择正则表达式错误

1 个答案: