如何在BigQuery中通过正则表达式从地址列提取区县信息

需求场景 #

给定地址字符串：

Regency, Jl. Mawar No.1, Kenari, Kec. Percut Sei Tuan, Kabupaten Deli Serdang, Sumatera Utara 20671, Indonesia

需要提取目标结果：

Kabupaten Deli Serdang, Sumatera Utara

BigQuery实现方案 #

使用BigQuery内置的REGEXP_EXTRACT函数结合正则表达式完成提取，示例SQL如下：

SELECT
  REGEXP_EXTRACT(
    address_column,
    r'(Kabupaten [^,]+, Sumatera Utara)'
  ) AS district_province
FROM
  your_target_table

正则表达式拆解 #

• Kabupaten ：精准匹配地址中代表"县"的固定前缀（注意后缀包含空格）
• [^,]+：匹配任意非逗号的字符序列，用于捕获县的具体名称（示例中为Deli Serdang）
• , Sumatera Utara：精准匹配地址中代表"北苏门答腊省"的固定后缀，确保提取完整的区县+省份组合

适配扩展 #

如果地址数据包含其他行政区域前缀（比如Kec.代表区），可调整正则适配更多场景。例如同时匹配县和区级别的区域：

r'((Kabupaten|Kec\.) [^,]+, Sumatera Utara)'

内容的提问来源于stack exchange，提问作者Alea