sql - BigQuery 返回正则表达式的所有匹配项

Question

在 Big Query 中，当我进行正则表达式搜索时，它只返回第一次匹配/出现。

有什么方法可以返回所有 匹配项，连接起来吗？可能像 GROUP_CONCAT 这样的东西？

REGEXP_EXTRACT(body, r"(\w+ )")

Answer 1

在 BigQuery 支持的最近引入的标准 SQL 中 - 您可以尝试如下

SELECT 
  body,
  (SELECT STRING_AGG(word) FROM words.word) AS words
FROM (
  SELECT 
    body, REGEXP_EXTRACT_ALL(body, r'(\w+)') AS word
  FROM (
    SELECT 'abc xyz qwerty asd' AS body UNION ALL
    SELECT 'zxc dfg 345' AS body
  )
) words

不要忘记取消选中 Show Options
下的 Use Legacy SQL 复选框查看更多详情 REGEXP_EXTRACT_ALL和 STRING_AGG

---

如果您对 BigQuery 中现在称为旧版 SQL 的内容感到困惑 - 您可以尝试如下所示的内容

SELECT 
  body, 
  GROUP_CONCAT(SPLIT(body, ' ')) AS words
FROM 
  (SELECT 'abc xyz qwerty asd' AS body),
  (SELECT 'zxc dfg 345' AS body)

我明白，这不一定正是您所需要的 - 但可能会有所帮助

---

另一种使用 BigQuery 遗留 SQL 的方法更适合您必须使用正则表达式的情况。
例如 - 假设您只需要从正文中提取数字想法是使用 REGEXP_REPLACE 从 body 中除数字以外的任何东西。然后应用上面描述的 SPLIT() + GROUP_CONCAT()

SELECT 
  body, 
  GROUP_CONCAT(SPLIT(REGEXP_REPLACE(body, r'(\D)+', ':'), ':')) AS words
FROM 
  (SELECT 'abc 123 xyz 543 qwerty asd' AS body),
  (SELECT '987zxc 123 dfg 345' AS body)