如何改写REGEXP_EXTRACT语句提取特定格式页面标题中的bbbb内容？

你用的REGEXP_EXTRACT(page title, '\\|(.*)\\|')之所以返回bbbb | cccc，是因为.*属于贪婪匹配，会从第一个|后一直匹配到倒数第二个|的位置，把中间所有内容都包含进去了。

要只提取bbbb，可以用两种方式改写正则：

• 方式一：使用非贪婪匹配符.*?，让正则匹配到第一个后续的|就停止：

  REGEXP_EXTRACT(page title, '\\|\\s*(.*?)\\s*\\|')
  

  这里的\\s*是用来匹配|前后可能存在的空格，避免提取结果带多余空格。

• 方式二：使用字符集排除|，直接匹配所有非|的字符，更精准：

  REGEXP_EXTRACT(page title, '\\|\\s*([^|]+)\\s*\\|')
  

  [^|]+表示匹配任意数量（至少一个）非|的字符，从根本上避免跨|匹配的问题。

如果你的页面标题格式固定是aaaa | bbbb | cccc | dddd，两种方式都能准确提取到bbbb。

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