如何在BigQuery中绕过正则单捕获组限制提取URL的tn参数值

问题背景 #

需要从以下示例URL的event?之后任意位置提取tn参数值，原正则表达式tn=(.+?)(&|$)因包含两个捕获组不符合BigQuery单捕获组限制，同时希望避免使用UNNEST防止数据重复。
示例URL：

• https://google.com/d/track/event?upid=12345&url=https://www.mywebsite.com/&tn=o_rnpp4126&val=100.00&cache_buster=15&ps=2
• https://google.com/d/track/event?upid=12345&url=https://www.mywebsite.com/&val=100.00&cache_buster=15&ps=2&tn=o_rnpp4126

方案1：优化正则（单捕获组） #

将原正则的第二个捕获组改为非捕获组（(?:...)），这样整个表达式仅保留一个捕获组，符合BigQuery要求：

SELECT 
  REGEXP_EXTRACT(url, r'tn=([^&]+)(?:&|$)') AS tn_value
FROM your_table

• [^&]+：匹配tn=后直到下一个&或字符串结尾的所有字符（避免非贪婪匹配的性能损耗）
• (?:&|$)：非捕获组，仅用于定位参数结束位置，不生成额外捕获组

方案2：无正则/无UNNEST的字符串处理 #

利用BigQuery字符串函数直接定位截取，完全避免正则和UNNEST：

SELECT
  SPLIT(
    SUBSTR(url, STRPOS(url, 'tn=') + 3),
    '&'
  )[ORDINAL(1)] AS tn_value
FROM your_table
WHERE STRPOS(url, 'tn=') > 0 -- 过滤不含tn参数的行

如果需要严格限定只在event?之后的部分提取：

SELECT
  SPLIT(
    SUBSTR(
      SPLIT(url, 'event?')[ORDINAL(2)], -- 截取event?后的查询串部分
      STRPOS(SPLIT(url, 'event?')[ORDINAL(2)], 'tn=') + 3
    ),
    '&'
  )[ORDINAL(1)] AS tn_value
FROM your_table
WHERE STRPOS(SPLIT(url, 'event?')[ORDINAL(2)], 'tn=') > 0

• 先通过SPLIT(url, 'event?')[ORDINAL(2)]拿到event?之后的查询参数部分
• 用STRPOS定位tn=的位置，截取后续内容后按&拆分取第一个元素

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