BigQuery：拆分具有重复模式的字符串以分隔行

Question

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

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

Answer 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