Bigquery Regexp 从 2 种不同的模式中提取

Question

我试图从我的 bigquery 数据中的 url 中提取产品搜索颜色，但是 url 格式在某一时刻发生了变化，所以我试图从两种不同的格式中提取它们。

第一个像/someproduct/color/blue/color/red，第二个像/someproduct/?colors=blue,red。

在这两个例子中，这个人过滤了多种颜色，我希望提取的输出像 'blue,red' 一样，并且都在一列中。

我可以拉第一个：

REGEXP_EXTRACT_all(url,r'color/([A-Za-z]+)')

第二个是：

REGEXP_EXTRACT(url,r'colors=(\w*,\w*)')

第一个产生一个数组，我不知道如何让所有输出显示为一行中的一个项目。一个人最多可以过滤 20 种颜色，因此在这两种 URL 类型中可以有很多重复。

第二个也可以使用一些改进，因为我必须为每个额外的过滤颜色添加一个额外的 \w*,，并且我有一个处理该问题的 case 语句，但我认为它不是最有效的处理方式。

Answer 1

考虑以下方法

select url, 
  coalesce(regexp_extract(url, r'colors=(\w*,\w*)'), array_to_string(regexp_extract_all(url,r'color/([A-Za-z]+)'), ',')) colors
from your_table

如果应用于您问题中的示例数据 - 输出为

Bigquery Regexp 从 2 种不同的模式中提取

Bigquery Regexp pull from 2 different patterns

extract

google-bigquery