BigQuery 中的正则表达式

Posted 2023-03-24

【中文标题】BigQuery 中的正则表达式

【英文标题】：Regexp in BigQuery

【发布时间】：2015-04-30 10:05:02

【问题描述】：

如何在 bigquery 中搜索表达式并将它们分组，即使它们被分号弄乱了？

数据库示例：

:Adidas
Adidas
Adidas;
null
adidas
7up
7UP
7UP;
:7UP
null

我想将它们分组并计数。我想得到这个结果：

adidas 4
7up    4
null   2

到目前为止，goup by 没有帮助，我在 Excel 中完成这项工作，但速度很快。

【参考方案1】：

首先，您需要规范化文本以仅保留有效单词。下面的正则表达式只是一个简单的表达式，您需要匹配并扩展您的逻辑。

SELECT normalized,
       count(1) AS c
FROM
  (SELECT label,
          lower(REGEXP_EXTRACT(label,r'[[:punct:]]?([[:^punct:]]*)')) AS normalized
   FROM
     (SELECT string(':Adidas') AS label),
     (SELECT string('Adidas') AS label),
     (SELECT string('Adidas;') AS label),
     (SELECT string(NULL) AS label),
     (SELECT string('adidas') AS label),
     (SELECT string('7up') AS label),
     (SELECT string('7UP') AS label),
     (SELECT string('7UP;') AS label),
     (SELECT string(':7UP') AS label),
     (SELECT string(NULL) AS label),)
GROUP BY normalized
ORDER BY c DESC

这个输出：

+-----+------------+---+---+
| Row | normalized | c |   |
+-----+------------+---+---+
|   1 | adidas     | 4 |   |
|   2 | 7up        | 4 |   |
|   3 | null       | 2 |   |
+-----+------------+---+---+