创建新列，所有内容都在另一列的第三和第四之间答案

【问题标题】：Create new column with everything is between third - and forth - of another column创建新列，所有内容都在另一列的第三和第四之间
【发布时间】：2020-10-31 20:27:15
【问题描述】：

我需要基于列col 创建一个新列，但提取第三个- 和第四个- 之间的所有内容。示例：
ABC-123-aaa-INEEDTHIS-2000-BBB-123-CCC
111-AAAAA-bb-INEEDTHIS-BB-435-A

如何使用 Big Query 做到这一点？
我正在尝试这样的事情：

SELECT REGEXP_EXTRACT(col, r'\w\w[^\d]\d\d') as newcol from mytable

如果可能的话，我也想了解这个解决方案背后的regex。

【问题讨论】：

标签： sql regex google-bigquery

【解决方案1】：

以下是 BigQuery 标准 SQL

最简单的方法是使用 SPLIT 函数，如下例所示

SELECT SPLIT(col, '-')[SAFE_OFFSET(3)] AS newcol

如果出于某种原因您想使用正则表达式 - 您可以使用 REGEXP_EXTRACT，如下例所示

REGEXP_EXTRACT(col, r'(?:[^-]*-){3}([^-]+)') AS newcol

您可以使用来自您问题的示例数据来测试和使用上述两种方法，如下例所示

#standardSQL
WITH `project.dataset.table` AS (
  SELECT 'ABC-123-aaa-INEEDTHIS-2000-BBB-123-CCC' col UNION ALL
  SELECT '111-AAAAA-bb-INEEDTHIS-BB-435-A'
)
SELECT 
  col, 
  SPLIT(col, '-')[SAFE_OFFSET(3)] AS newcol_with_split,
  REGEXP_EXTRACT(col, r'(?:[^-]*-){3}([^-]+)') AS newcol_with_regexp
FROM `project.dataset.table`

有输出

Row col                                     newcol_with_split   newcol_with_regexp   
1   ABC-123-aaa-INEEDTHIS-2000-BBB-123-CCC  INEEDTHIS           INEEDTHIS    
2   111-AAAAA-bb-INEEDTHIS-BB-435-A         INEEDTHIS           INEEDTHIS

正则表达式的简要说明

[^-]*- 捕获 ABC-、123-、aaa- 等条目。
(?:[^-]*-) 确保不会提取这些条目
(?:[^-]*-){3} 确保将跳过前三个此类条目
最后，([^-]+) 提取目标片段直到下一个-

【讨论】：

是的，你成功了！谢谢！你知道哪一个在大数据上的表现更好吗？