BigQuery：拆分具有重复模式的字符串以分隔行

Posted 2023-03-25

【中文标题】BigQuery：拆分具有重复模式的字符串以分隔行

【英文标题】：BigQuery: split string with repetitive pattern to separate rows

【发布时间】：2020-07-26 08:05:47

【问题描述】：

我有一个重复模式的字符串，例如：timestampField: <SOME_INT_VALUE> url: <SOME_STRING_VALUE>。正如您在示例中看到的那样，此模式返回多次（在此示例中为 4 次）。

SELECT my_string
FROM (SELECT 'timestampField: 1595351350 url: domainZ/aaaabbbbccccdddd timestampField: 1595351355 url: domainZ/eeeeffffgggghhhh timestampField: 1595351355 url: domainZ/iiiijjjjkkkkllll timestampField: 1595351356 url: domainZ/mmmmnnnnppppoooo' as my_string)

我想把这个大字符串分成 4 个（在这个例子中）不同的行，每一行都有一个字符串值

timestampField: 1595351350 url: domainZ/aaaabbbbccccdddd timestampField: 1595351355 url: domainZ/eeeeffffgggghhhh timestampField: 1595351355 url: domainZ/iiiijjjjkkkkllll timestampField: 1595351356 url: domainZ/mmmmnnnnppppoooo

【参考方案1】：

以下是 BigQuery 标准 SQL

一种简单的方法是使用 SPLIT，如下所示

#standardSQL
SELECT 'timestampField:' || v AS part
FROM `project.dataset.table`,
UNNEST(SPLIT(my_string, 'timestampField:')) v
WHERE NOT v = ''   

如果适用于您问题中的样本数据 - 输出是

Row part     
1   timestampField: 1595351350 url: domainZ/aaaabbbbccccdddd     
2   timestampField: 1595351355 url: domainZ/eeeeffffgggghhhh     
3   timestampField: 1595351355 url: domainZ/iiiijjjjkkkkllll     
4   timestampField: 1595351356 url: domainZ/mmmmnnnnppppoooo    

另一个使用正则表达式的选项，输出相同

#standardSQL
SELECT part
FROM `project.dataset.table`,
UNNEST(REGEXP_EXTRACT_ALL(my_string, r'timestampField: [^ ]* url: [^ ]*')) part

【讨论】：

两者都有效，太棒了！谢谢。 @Mikhail Berlyant 您能否解释一下第一个解决方案 - || 在 BigQuery 中的含义是什么？

它是Concatenation operator