有效 WKT 线串的正则表达式（在 BigQuery 中）？

Posted 2023-03-25

【中文标题】有效 WKT 线串的正则表达式（在 BigQuery 中）？

【英文标题】：Regex for valid WKT Linestrings (in BigQuery)?

【发布时间】：2019-10-30 17:56:24

【问题描述】：

到目前为止，我有以下内容：

 select WKT, column1, column2
  from table
 where REGEXP_CONTAINS(WKT, r"-?(?:\.\d+|\d+(?:\.\d*)?)") is true

这可以解决大多数情况，但我仍然收到以下错误：

ST_GeogFromText failed: Linestring should have at least two unique points, but had 1

如何使用regex 过滤掉 Google BigQuery 中的所有个无效 LINESTRING？我不能使用ST_NUMPOINTS()，因为它需要一个GEOGRAPHY 对象，如果它无效，我无法将字符串转换为GEOGRAPHY。

编辑：WKT LINESTRING 具有以下格式：LINESTRING (x1 y1, x2 y2, x3 y3, ..., xn yn) 其中每个 (xn, yn) 对代表第 n 个纬度/经度对。

【问题讨论】：

对于我们当中不知情的人：WKT 线串具有哪种结构？你能提供一些样品吗？

当然！我会相应地编辑问题，对此感到抱歉。

总而言之：我有一些看起来像这样的记录（LINESTRING (1.00 2.00)），但它们应该有不止一对数字（像这样：LINESTRING (1.00 2.00, 3.00 4.00)）

【参考方案1】：

不要使用 REGEXP - 它不可能解决所有问题。例如。 WKT 的纬度可能大于 90 度，这会导致 ST_GeogFromText 失败，但在 REGEXP 中几乎不可能捕获。或者你可能有两个相同的点LINESTRING (1 2, 1 2)，这也是无效的 LineString。

改用SAFE prefix，它会导致函数在输入无效时返回NULL而不是查询失败。这会给你准确的验证！

select SAFE.ST_GeogFromText('foo')
NULL

【参考方案2】：

尝试以下扩展您的原始正则表达式

WHERE REGEXP_CONTAINS(WKT, r'LINESTRING \((?:(?:\.\d+|\d+(?:\.\d*)?) (?:\.\d+|\d+(?:\.\d*)?)(?:, |\)))2,')

【讨论】：

感谢您的回复。事实证明，使用 SAFE 前缀对我的用例来说更健壮。此外，如果有人没有该选项，我发现使用 LINESTRING\s\((?:\-?\d1,3(?:\.\d+)?\s\-?\d1,3(?:\.\d+)?)(?:\,\s?\-?\d1,3(?:\.\d+)?\s\-?\d1,3(?:\.\d+)?)+\) 无论如何都更强大，因为它允许捕获可能的值，例如：LINESTRING (-10.00002 111.222222,2 -4,1.646373 -20.555)。

当然，没问题。我很难想象你不知道 SAFE 前缀。所以我假设您专门寻找正则表达式选项。是的 - 看起来我错过了-? 来解决负值：o）