如何用BigQuery正则提取指定单位前的目标数字

直接用BigQuery的REGEXP_EXTRACT函数结合正则表达式就能解决，核心是只匹配数字紧跟指定单位的组合，过滤掉不跟目标单位的数字（比如例子里的1990）。

具体SQL语句 #

SELECT
  product_name,
  -- 提取紧跟gr/kg/ml/pcs的数字，捕获第一个分组的数字部分
  REGEXP_EXTRACT(product_name, r'(\d+)(gr|kg|ml|pcs)') AS extracted_number
FROM
  `your-project.your-dataset.your-table`;

正则说明 #

• (\d+)：捕获一个或多个数字，这就是我们要提取的目标值
• (gr|kg|ml|pcs)：匹配指定的单位，确保数字后面紧跟这些单位之一
• 整个正则只会匹配数字+目标单位的组合，像1990这种后面没有跟指定单位的数字，根本不会被匹配到，自然不会被提取

兼容数字和单位间有空格的情况 #

如果你的数据里存在数字和单位之间有空格的情况（比如milk 30 ml），可以把正则改成：

REGEXP_EXTRACT(product_name, r'(\d+)\s*(gr|kg|ml|pcs)')

这里的\s*用来匹配0个或多个空格，兼顾连写和空格分隔的情况。

内容的提问来源于stack exchange，提问作者Adiansyah