如何逐行统计Tweet_text列中以'https://t.co/'开头的链接出现次数

原语句问题说明 #

你写的语句存在两个核心问题：

• REGEXP_CONTAINS 仅返回布尔值判断文本是否存在匹配，无法统计匹配次数，且你填写的参数顺序错误，该函数标准参数顺序为REGEXP_CONTAINS(待检测字符串, 正则规则)
• 全局聚合函数COUNT会将所有行的结果聚合为单条总统计值，自然无法得到逐行对应的结果

修正后语句（适配BigQuery语法，和你原语句用的函数生态一致） #

如果你需要返回每行的原文和对应链接出现次数，语句如下：

SELECT 
  Tweet_text,
  ARRAY_LENGTH(REGEXP_EXTRACT_ALL(Tweet_text, r'https://t.co/[a-zA-Z0-9]+')) AS link_count
FROM `MyTable`

如果只需要逐行的统计结果不需要原文，去掉SELECT子句中的Tweet_text字段即可。

语法说明 #

• REGEXP_EXTRACT_ALL 会提取目标列中所有符合正则规则的字符串，返回匹配结果组成的数组
• ARRAY_LENGTH 统计数组长度，就是当前行匹配的链接出现次数
• 没有使用全局聚合函数，所以会保留原表的所有行，返回逐行对应的统计结果
• 如果你只需要统计https://t.co/前缀本身的出现次数，不需要匹配完整的短链结构，将正则规则替换为r'https://t.co/'即可

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