如何用正则提取pos/position后数字或首个逗号前最后数字（BigQuery适用）

问题解答 #

1. 单正则实现方案 #

仅通过正则完全可以实现该需求，利用正则分支左优先匹配的特性，优先匹配pos/position后的数字，未命中时再匹配第一个逗号前的最后一个符合范围的数字即可。
适配需求的正则表达式为：
r'(?i)(?:pos(?:ition)?\s?(100|[1-9]\d?))|(?:^[^,]*?(100|[1-9]\d?)(?=\D*,))'
规则说明：

• (?i)：开启大小写不敏感匹配，适配可能出现的大写写法
• 前半段为优先规则：匹配pos或position后可选空格跟随的1-100范围内的数字
• 后半段为兜底规则：匹配第一个逗号前的最后一个1-100范围内的数字
• 数字规则(100|[1-9]\d?)严格覆盖1到100的取值范围，不会匹配到0或者超过100的数值

2. BigQuery SQL实现方案 #

更推荐拆分逻辑实现，可读性和可维护性更强，不需要写复杂的长正则，示例代码如下：

SELECT
  -- 你的其他业务字段
  input_str,
  COALESCE(
    -- 第一步：优先提取pos/position后的目标数字
    REGEXP_EXTRACT(input_str, r'(?i)pos(?:ition)?\s?(100|[1-9]\d?)'),
    -- 第二步：提取不到时，取第一个逗号前的最后一个目标数字
    REGEXP_EXTRACT(SPLIT(input_str, ',')[SAFE_OFFSET(0)], r'(100|[1-9]\d?)\D*$')
  ) AS position
FROM `你的表名`

说明：

• SPLIT(input_str, ',')[SAFE_OFFSET(0)] 直接截取第一个逗号之前的所有内容，避免正则匹配逗号的边界问题
• COALESCE 函数会按顺序返回第一个非空的结果，刚好适配要求的优先级规则
• SAFE_OFFSET 可以避免部分字符串没有逗号时出现的下标越界错误

内容的提问来源于stack exchange，提问作者fillipvt