Question

我有以下字符串：

3#White House, District Of Columbia, United States#US#USDC#DC001#38.8951#-77.0364#531871#382

如您所见，字符串由＃分隔。我的用例类似于一个简单的SPLIT（string，“＃”）操作，但是regex给了我更多的灵活性。

我想匹配两次出现的＃之间的字符。例如，第二次和第三次出现之间的字符应匹配：“ US”

我使用的是Google Bigquery，能够匹配字符串的前两个词，但是却与第三个词不符：

REGEXP_EXTRACT(locations,r'^\d') as location_type,    
REGEXP_REPLACE(REGEXP_EXTRACT(locations,r'^\d#.*?#'),r'^\d*#|#','') as location_full_name, 
????

位置是字符串，例如上面的一个。

我找到了这个question，但是我有多个距离范围，并希望指定匹配发生在哪两次之间，例如第2和第5次出现。

Answer 1

您可以使用诸如^(?:[^#]*#){N}([^#]*)之类的正则表达式，其中N是所需的子字符串减去1的数字。要获取US（这是第三个值），可以使用

^(?:[^#]*#){2}([^#]*)

请参见regex demo

详细信息

^-字符串的开头
(?:[^#]*#){2}-两个序列
- [^#]*-除#之外的任何零个或多个字符
- #-一个#字符
([^#]*)-捕获组1：#以外的任何零个或多个字符。

Answer 2

我的用例类似于一个简单的SPLIT（string，“＃”）操作，但是regex给了我更多的灵活性

显然REGEXP_EXTRACT()是这里的解决方法-但也想抛出其他选项以显示使用拆分的灵活性-只是选项

#standardSQL
WITH `project.dataset.table` AS (
  SELECT '3#White House, District Of Columbia, United States#US#USDC#DC001#38.8951#-77.0364#531871#382' locations
)
SELECT 
  REGEXP_EXTRACT(locations, r'^(?:[^#]*#){2}([^#]*(?:#[^#]*){3})') value_via_regexp,
  (SELECT STRING_AGG(part, '#' ORDER BY pos) FROM UNNEST(SPLIT(locations, '#')) part WITH OFFSET pos WHERE pos BETWEEN 2 AND 5) value_via_split_unnest
FROM `project.dataset.table`

结果为

Row     value_via_regexp            value_via_split_unnest   
1       US#USDC#DC001#38.8951       US#USDC#DC001#38.8951

正则表达式字符出现之间的匹配

2 个答案: