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，它只返回第一个匹配/出现。

有没有办法返回所有匹配，连接？可能是什么GROUP_CONCAT？

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

不要忘记取消选中查看有关REGEXP_EXTRACT_ALL和STRING_AGG的 更多详细信息Use Legacy SQL下的复选框Show Options

---

如果您对现在 BigQuery 中称为旧版 SQL 的内容感到困惑 - 您可以尝试以下内容

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

我了解，这不一定正是您所需要的 - 但可能会有所帮助

---

BigQuery 旧版 SQL 的另一种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从正文中删除除数字之外的任何内容，然后应用上述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)