Google BigQuery 按包含关键字分组

Question

给定一个我正在尝试排序的示例数据集：

email,domain_name
name1@email.com,superlorem.com
name2@email.com,superdolor.com
name3@email.com,superamet.com
name4@email.com,badlorem.com
name5@email.com,baddolor.com
name6@email.com,badamet.com

我从一个查询开始，例如... 选择电子邮件 从表 在哪里 （域名包含“dolor”）或 （域名包含“坐”）或 （域名包含“amet”） 按电子邮件分组

是否可以按“包含”单词（例如“dolor”、“sit”和“amet”）对结果进行分组？这些词不会单独存在于列中（例如作为域名的一部分，例如 superlipsum.com）。我的最终目标是拥有一个类似于以下内容的 CSV：

Dolor,column1
Dolor,column2
Dolor,column3
Sit,column4
Sit,column5
Sit,column6
Sit,column7    
Amet,column8

Answer 1

您需要单独的表格，其中包含所有单词（dolor、sit、amet 等）
然后，下面应该工作

SELECT 
  word,
  email
FROM yourTable AS t1
CROSS JOIN wordsTable AS t2
WHERE domain_name CONTAINS word
ORDER BY word, email  

如果您的单词列表有限 - 您可以使用以下（即时）版本

SELECT 
  word,
  email
FROM yourTable AS t1
CROSS JOIN (
  SELECT f0_ AS word FROM
  (SELECT 'dolor'),
  (SELECT 'sit'),
  (SELECT 'amet')
) AS t2
WHERE domain_name CONTAINS word
ORDER BY word, email  

两者都会产生类似下面的东西

word    email    
amet    name3@email.com  
amet    name6@email.com  
dolor   name2@email.com  
dolor   name5@email.com  

Answer 2

另一种选择是使用正则表达式，即

SELECT 
 regexp_extract(domain_name, r'(dolor|sit|amet)' word,
 email, 
FROM table

BigQuery 将为正则表达式编译一次自动机，并将其有效地应用于所有行。我希望这能提供比 JOIN 更好的性能。