在第一次出现符号之前从字符串中提取文本

Posted 2023-03-25

【中文标题】在第一次出现符号之前从字符串中提取文本

【英文标题】：Extracting text from a string before the first occurrence of a symbol

【发布时间】：2020-04-20 19:50:37

【问题描述】：

我的数据如下所示-

type       A_URL                          B_URL             C_URL
A         123.com/123abc?....     123.com/123abc?....       123.com/123abc?....
B         pqr.com/435678?....     pqr.com/435678?....       pqr.com/435678?....
C         lmn.com/12u356?....     lmn.com/12u356?....       lmn.com/12u356?....

我想创建一个新的列 URL 并执行以下操作-

if type is A 提取 first '?' 之前的所有内容在 A_URL 列中并将其存储到新列 url，

如果类型是 B，则提取 first '?' 之前的所有内容在 B_URL 列中并将其存储到新列 url，

如果类型是 C，则提取 first '?' 之前的所有内容在 C_URL 列中并将其存储到新列 url

结果应该如下所示-

type       A_URL                          B_URL             C_URL                     url
A         123.com/123abc?....     123.com/123abc?....       123.com/123abc?....     123.com/123abc?
B         pqr.com/435678?....     pqr.com/435678?....       pqr.com/435678?....     pqr.com/435678?
C         lmn.com/12u356?....     lmn.com/12u356?....       lmn.com/12u356?....     lmn.com/12u356?

注意：虽然上面的 A_URL、B_URL 和 C_URL 看起来一样，但在第一个“？”之后的信息不同。存储在其中。

【参考方案1】：

以下是 BigQuery 标准 SQL

#standardSQL
SELECT * EXCEPT(url),
  REGEXP_EXTRACT(url, r'^[^?]+\?') AS url
FROM `project.dataset.table`,
UNNEST([CASE type 
  WHEN 'A' THEN A_URL 
  WHEN 'B' THEN B_URL 
  WHEN 'C' THEN C_URL 
END]) url

【参考方案2】：

你可以使用regexp_extract():

select t.*,
       regexp_extract(case when type = 'A' then a_url
                           when type = 'B' then b_url
                           when type = 'C' then c_url
                      end,
                      '^[^?]+'

from t;

编辑：

如果你想保留最后的?，那么使用：

select t.*,
       regexp_extract(case when type = 'A' then a_url
                           when type = 'B' then b_url
                           when type = 'C' then c_url
                      end,
                      '^[^?]+[?]'

from t;

【讨论】：

@Gordon_Linoff 谢谢！如果我想包含“？”怎么办？以及在最终的 url 列中？

你会使用'^[^?]+[?]'。