Question

我有一个由4个部分组成的字符串变量，看起来像这样：

social_CA_FR_bloom_build

或者这个：

 social_DE_bloom_trgj4_67

（以及不同的变体）。

我如何在BigQuery中编写正则表达式以提取子集，以便我可以构建包含第一部分（社交），第二部分(CA_FR or DE etc），第三部分（bloom）和第四部分（t {{ 1}}）？

我已经尝试过这个：

rgj4_67 or build, etc

在SQL（配置单元）中工作，但在BQ中不能工作，因为它不能识别（字符串，字符串，整数）。

我正在考虑用连字符替换CA_FR之间的下划线（它应该保持在一起并且只发生在几行中，通常它只是两个大写），然后在字符串上使用SPLIT而不是regex_extract，但我不确定如何解决此问题/如果这是解决方案。

非常感谢任何帮助！

Answer 1

一个想法是应用正则表达式，然后使用SPLIT。例如：

#standardSQL
SELECT
  parts[SAFE_OFFSET(0)] AS social,
  parts[SAFE_OFFSET(1)] AS language,
  parts[SAFE_OFFSET(2)] AS bloom,
  parts[SAFE_OFFSET(3)] AS build
FROM (
  SELECT
    SPLIT(REGEXP_REPLACE(
            label,
            r'([^_]+)_([A-Z]{2}[_A-Z]*)_([^_]+)_(.+)',
            r'\1|\2|\3|\4'),
          '|') AS parts
  FROM YourTable
);

我编写了列名 - 您可以使用您想要的任何名称。作为一个独立的例子：

#standardSQL
WITH YourTable AS (
  SELECT 'social_CA_FR_bloom_build' AS label UNION ALL
  SELECT 'social_DE_bloom_trgj4_67' AS label
)
SELECT
  parts[SAFE_OFFSET(0)] AS social,
  parts[SAFE_OFFSET(1)] AS language,
  parts[SAFE_OFFSET(2)] AS bloom,
  parts[SAFE_OFFSET(3)] AS build
FROM (
  SELECT
    SPLIT(REGEXP_REPLACE(
            label,
            r'([^_]+)_([A-Z]{2}[_A-Z]*)_([^_]+)_(.+)',
            r'\1|\2|\3|\4'),
          '|') AS parts
  FROM YourTable
);

如何从bigquery中的字符串中提取子集

1 个答案: