REGEX_EXTRACT_ALL 大查询

Posted 2023-03-25

【中文标题】REGEX_EXTRACT_ALL 大查询

【英文标题】：REGEX_EXTRACT_ALL Big Query

【发布时间】：2021-03-23 09:38:01

【问题描述】：

我写了一个在 Regex101 中工作的正则表达式，但在 BigQuery 中不起作用，我需要找出一个翻译来在 BQ 中运行它。

这是正则表达式：(?<=\()(.*?)(?=\;) 这是数据：(400.0; 10/26/2020; 12/13/2020;); (500.0; 12/21/2020; 01/31/2021;);

这会拉出400.0 和500.0。

但是我收到一个错误

Cannot parse regular expression: invalid perl operator: (?<

我相信这是由于向后看，有人可以帮忙吗？

【问题讨论】：

您是否按照 BQ 的要求使用正斜杠字符来表示正则表达式 /(?<=\()(.*?)(?=\;)/ 的边界？

【参考方案1】：

RE2 regex library 不支持环视。

在这种情况下，您实际上可以删除环视语法并使用

\((.*?);

或者，

\(([^;]*);
\(([0-9]+(?:\.[0-9]+)?);

也就是说，您需要使用带有与您需要提取的文本匹配的捕获组的正则表达式。

请参阅regex demo。

详情：

\((.*?); - 一个 ( 字符，然后是除换行符之外的任何零个或多个字符，尽可能少地捕获到第 1 组，然后是 ; 字符 \(([^;]*); - 一个(，然后是除; 之外的任何零个或多个字符被捕获到第1 组，然后是; \(([0-9]+(?:\.[0-9]+)?); - 一个 ( 字符，然后是一个或多个数字，后跟一个可选的 .，一个或多个数字被捕获到第 1 组，然后是一个 ; 字符。

【讨论】：

如果我还想提取开始日期和结束日期？我已经添加： REGEXP_EXTRACT_ALL(IOBudgetSegment, r'\d*\/\d*\d*\/\d*') AS Dates 但是这只会将它们添加为另一列，我将如何添加“开始日期”和“结束日期？”

@ChrisMorgan 您的意思是要将它们提取为单独的列吗？ REGEXP_EXTRACT(IOBudgetSegment, r';\s+(\d2/\d2/\d4);') AS StartDate 和 REGEXP_EXTRACT(IOBudgetSegment, r'(\d2/\d2/\d4);\)') AS EndDate

没错，我想要一个三列表，其中一个包含预算金额，一个包含开始日期，一个包含结束日期。但是，这两种预算都有自己的开始和结束日期。

对不起，我只是需要使用 REGEXP_EXTRACT_ALL 谢谢！

@Wiktor Stribiżew 是否有一种方法可以将这些数据拉入一行，我正在尝试跨此运行一个 SELECT DISTINCT 函数，因为我在一个主行中有多行数据，所以它抛出了一个错误