在BigQuery中使用正则匹配特定格式员工ID的问题求助

问题核心 #

原正则\d{2}[A-Za-z]{2}\d{3}会匹配字符串内任意位置的符合格式片段，导致误提取长连续字符串中的子片段（比如EA2654CE19011591P5里的54CE190）。需要限定匹配目标为独立分隔的片段——即前后被非字母/数字/下划线的符号（空格、括号、连字符、下划线等）包围，或处于字符串首尾。

修正后的SQL代码 #

SELECT distinct
    Emp_no,
    REGEXP_EXTRACT(Emp_no, r"(?<!\w)\d{2}[A-Za-z]{2}\d{3}(?!\w)") AS emp_id
FROM
    `table`
where 
    Emp_no IN (
        'CUSPO1234(-99SM901_6',
        '3500974_14HB502',
        '13982666_16TG254-CONV',
        'EA2654CE19011591P5 - 13AH548 - ASC',
        '308697FR700259 ( 15AE411 - BMA '
    )

正则规则说明 #

• (?<!\w)：反向预查，确保匹配位置前的字符不是字母、数字或下划线（即目标片段前是分隔符或字符串开头）
• \d{2}[A-Za-z]{2}\d{3}：目标格式，2位数字+2位大小写字母+3位数字
• (?!\w)：正向预查，确保匹配位置后的字符不是字母、数字或下划线（即目标片段后是分隔符或字符串结尾）

验证结果 #

执行后将得到期望输出：

内容的提问来源于stack exchange，提问作者Sara