使用 BQ 正则表达式提取以“字符串”为分隔符的元素答案

【问题标题】：Using BQ regex to extract elements with "strings" as delimiters使用 BQ 正则表达式提取以“字符串”为分隔符的元素
【发布时间】：2021-05-20 19:49:54
【问题描述】：

我在构建 BQ 正则表达式时遇到问题，该表达式从一组具有可变分隔符的文本中提取给定项目，采用 Key = Value 表达式的形式。

我正在谈论的字符串示例是：

house = long island && house : @New Amsterdam @@ house = Texas

令牌分隔符和密钥分隔符是已知的。在这种情况下：

Token delimiters = {' = ' |  ' : @'}
key delimiters =  { && | @@ }

我想要结果

long island
New Amsterdam
Texas

REGEXP_EXTRACT_ALL("house = long island && house : @New Amsterdam", regex);

我在使用正则表达式时遇到问题： house(( = )|( : @))[^(&&|@@)]*(&&|@@)

【问题讨论】：

标签： sql regex google-bigquery

【解决方案1】：

使用

REGEXP_EXTRACT_ALL(txt, 'house\W*([^&@:]*[^&@:\s])')

见regex proof。

解释

--------------------------------------------------------------------------------
  house                    'house'
--------------------------------------------------------------------------------
  \W*                      non-word characters (all but a-z, A-Z, 0-
                           9, _) (0 or more times (matching the most
                           amount possible))
--------------------------------------------------------------------------------
  (                        group and capture to \1:
--------------------------------------------------------------------------------
    [^&@:]*                  any character except: '&', '@', ':' (0
                             or more times (matching the most amount
                             possible))
--------------------------------------------------------------------------------
    [^&@:\s]                 any character except: '&', '@', ':',
                             whitespace (\n, \r, \t, \f, and " ")
--------------------------------------------------------------------------------
  )                        end of \1

【讨论】：

【解决方案2】：

考虑下面的例子

with t as (
  select 'house = long island && house : @New Amsterdam @@ house = Texas' txt  
)
select result
from t,
unnest(split(regexp_replace(txt, r'[=&:@]', ''), 'house')) result
where result != ''

有输出

或更通用的解决方案

with t as (
  select 'house = long island && house : @New Amsterdam @@ house = Texas' txt  
)
select 
  arr[offset(0)] as key,
  arr[offset(1)] as value
from t,
unnest(split(regexp_replace(regexp_replace(txt, r' && | @@ ', '|||'), r' = | : @', '&&&'), '|||')) kv,
unnest([struct(split(kv, '&&&') as arr)])

有输出

【讨论】：