如何让BigQuery中的REGEXP_SUBSTR()函数实现非贪婪匹配？

问题原因 #

你当前使用的A:(.*)[,}]不生效的核心是.*属于贪婪匹配：会尽可能匹配最长的字符序列，只要字符串末尾存在}，就算中间出现逗号也不会停止匹配，因此会一直匹配到结尾的}为止。

解决方案 #

有两种成熟的写法可以适配两种场景，推荐优先用第二种排除字符类方案，性能和稳定性更高：

方案1：改用非贪婪匹配 #

在贪婪量词*后加?开启非贪婪模式，匹配到第一个符合,或}的位置就停止：

REGEXP_SUBSTR(目标字段, r'A:(.*?)[,}]', 1, 1, NULL, 1)

方案2：使用排除字符类（推荐） #

直接限定匹配的内容不能包含逗号和右大括号，从根本上避免贪婪匹配的问题：

REGEXP_SUBSTR(目标字段, r'A:([^,}]+)', 1, 1, NULL, 1)

其中[^,}]表示匹配任意不是逗号、不是右大括号的字符，不管A的键值对后面跟的是逗号还是结尾的}，都会自动停止匹配。

效果验证 #

两种方案对两类格式的匹配结果一致：

• 输入{A:value, B:someothervalue}，提取结果为value
• 输入{B:someothervalue, A:value}，提取结果为value

内容的提问来源于stack exchange，提问作者qyyao