如何用BigQuery SQL识别字符串中连续5次及以上的相同数字

要实现这个需求，正确的正则表达式需利用捕获组+反向引用，匹配一个数字后连续重复4次及以上（加上捕获的那1次，总共5次或更多）。

正确的SQL表达式 #

REGEXP_CONTAINS(mycolumn, r'(\d)\1{4,}')

你之前的表达式无效原因 #

• regexp_contains(mycolumn,r'[0-9]\\1{4}')：[0-9]未定义捕获组，\1无法引用任何匹配内容，表达式完全不生效。
• regexp_contains(mycolumn,r'(\d)*(\d){4}')：仅匹配“任意数量数字+4个数字”，不要求数字相同，只要字符串含4个以上数字就返回true，不符合需求。
• REGEXP_CONTAINS(mycolumn, '')), r'(\d)1{4}')：匹配一个数字后跟固定的4个1，不是匹配与前面相同的数字，逻辑错误。
• regexp_contains(mycolumn,r'(\d){4}')：仅匹配连续4个数字，既不要求数字相同，也不满足“5次及以上”的条件。

测试示例验证 #

用你提供的测试数据验证（注：你标记的AAAAAB为true应为笔误，该字符串不含数字，按需求应返回false）：

完整查询示例 #

WITH test_data AS (
  SELECT 'AAAAAB' AS mycolumn UNION ALL
  SELECT 'BBBBAA' UNION ALL
  SELECT '111111' UNION ALL
  SELECT '01010101010101'
)
SELECT
  mycolumn,
  REGEXP_CONTAINS(mycolumn, r'(\d)\1{4,}') AS has_consecutive_five_digits
FROM test_data;

内容的提问来源于stack exchange，提问作者Newton