BigQuery单捕获组正则改写：匹配前缀冒号或后缀s

要解决这个问题，我们可以利用BigQuery使用的RE2正则引擎特性，构建一个仅含单个捕获组的正则表达式，同时确保数字要么前缀是冒号:，要么后缀是s，且满足原有的非字母边界要求。

最终正则表达式 #

(?:(?<=:)|(?=s))(?:^|[^a-zA-Z])?([0-9]+)(?=[^a-zA-Z]|$)

详细解释 #

我们拆解一下这个正则的逻辑：

1. 前置二选一条件：(?:(?<=:)|(?=s))
   • (?<=:)：反向预查，确保当前位置的前一个字符是冒号:（对应冒号前缀的场景）
   • (?=s)：正向预查，确保当前位置的后一个字符是s（对应s后缀的场景）
   • 这部分直接限定了数字必须满足两种场景之一，绝对不会匹配既无冒号也无s的数字
2. 前缀边界：(?:^|[^a-zA-Z])?
   • 匹配行首（^）或任意非字母字符（[^a-zA-Z]），?表示可选（因为冒号前缀场景中，冒号已经作为前置条件匹配，这里不需要重复匹配）
   • 确保数字前面不会是字母，完全符合原正则的边界要求
3. 唯一捕获组：([0-9]+)
   • 这是整个正则里唯一的捕获组，专门提取我们需要的数字内容
4. 后缀边界：(?=[^a-zA-Z]|$)
   • 正向预查，确保数字后面是任意非字母字符或行尾
   • 避免数字被字母包裹，和原正则的边界逻辑保持一致

验证你的示例 #

1. 示例字符串：2013_some_text | :05 | even more text (12345)
   • 正则会精准匹配:05中的05，捕获组返回05；(12345)里的数字既无冒号也无s，不会被匹配
2. 示例字符串：2018 some_text_06s-more text (2343)
   • 正则会匹配_06s中的06，捕获组返回06；(2343)里的数字不会被匹配

BigQuery使用示例 #

你可以直接用REGEXP_EXTRACT函数来提取内容：

SELECT REGEXP_EXTRACT(your_column, r'(?:(?<=:)|(?=s))(?:^|[^a-zA-Z])?([0-9]+)(?=[^a-zA-Z]|$)') AS extracted_number
FROM your_table;

内容的提问来源于stack exchange，提问作者A H