如何在BigQuery中按指定规则筛选有效邮箱地址？

需求回顾 #

需要从BigQuery表中筛选出满足以下条件的邮箱：

• 无论邮箱前缀是否包含多个点，只要最后一个点之后恰好有3个字符的邮箱才保留；
• 最后一个点后字符数为1或2的邮箱排除。

原查询的问题 #

你之前使用的REGEXP_CONTAINS(email, r'[A-Za-z0-9]{3}.')存在两个核心问题：

1. 正则未定位到邮箱末尾，会匹配字符串中任意位置的「3个字母数字+点」组合，完全不关联最后一个点后的字符数；
2. 点符号未转义，正则中.是匹配任意字符的通配符，而非实际的点。

正确解决方案 #

核心正则逻辑 #

使用锚定到字符串末尾的正则，确保最后一个点后恰好是3个字母/数字：

r'\.[a-zA-Z0-9]{3}$'

各部分含义：

• \.：匹配实际的点符号（转义后不再是通配符）；
• [a-zA-Z0-9]{3}：严格匹配3个字母或数字；
• $：锚定到字符串末尾，保证这3个字符是邮箱的最后部分。

BigQuery查询语句 #

将正则应用到查询中，筛选符合条件的邮箱：

SELECT email
FROM `your-project.your-dataset.your-table`
WHERE REGEXP_CONTAINS(email, r'\.[a-zA-Z0-9]{3}$');

测试验证 #

• 符合条件的邮箱示例：abc@gmail.com、abc.xyz@gmail.com、user_123@test-domain.org
• 不符合条件的邮箱示例：abc@gmail.co、test@example.c、admin@site.co.uk

内容的提问来源于stack exchange，提问作者sai