如何在BigQuery中为RE2正则表达式的捕获分组启用标志？

问题背景 #

基于Google RE2正则库的BigQuery REGEXP_REPLACE场景下，需要实现：

• 开启i（不区分大小写）和s（点匹配换行）模式
• 保留捕获分组的可引用性，不能将分组转为RE2规定的非捕获分组
• 示例输入：My name is X、my Name is Y、MY NAME is Z，需将X/Y/Z替换为常量C，同时保留原开头的大小写格式，输出如My name is C

之前尝试用(?is:My name is )(\w+)的写法，导致第一个分组变为非捕获分组，无法通过\1引用原开头内容，无法满足需求。

解决方案 #

将模式修饰符(?is)放在正则表达式的最开头，作用于整个表达式，这样既开启了需要的模式，又不会影响捕获分组的定义。

BigQuery代码示例 #

SELECT 
  str AS original_str,
  REGEXP_REPLACE(str, r'(?is)(My name is )(\w+)', r'\1C') AS replaced_str
FROM UNNEST([
  'My name is X',
  'my Name is Y',
  'MY NAME is Z'
]) AS str

说明 #

• (?is)作为全局模式修饰符，放在正则最前端，对整个表达式生效，同时不改变后续分组的捕获属性
• 第一个捕获分组(My name is )会匹配原字符串中对应的开头部分（保留原大小写），替换时通过\1引用该内容
• 第二个捕获分组(\w+)匹配需要替换的X/Y/Z，替换时直接用常量C覆盖这部分，最终得到保留原开头格式的目标字符串

内容的提问来源于stack exchange，提问作者Abbas Gadhia