BigQuery中用RE2正则筛选下划线间无0的user_id数据

我帮你调整了正则表达式，完美匹配你要的结果，同时避开了*和+来防止查询延迟：

正确的查询语句 #

SELECT *
FROM your_table_name -- 替换成你的实际表名
WHERE REGEXP_CONTAINS(user_dim.user_id, r"^g_[1-9]{1,10}_h_[1-9]{1,10}_p_[1-9]{1,10}$")

为什么之前的正则没生效？ #

我们来逐个分析问题：

1. 第一个正则 ^g_[^0][0-9]{1,10}_h_[^0]_p_[^0]$

   • [^0][0-9]{1,10} 这里的[^0]是单个非0字符，后面跟1-10位任意数字，意味着g_后面的分段可能包含0（比如g_10_h_34_p_2会被匹配，但这不符合你的需求）；
   • _h_[^0]_ 只匹配h_后面单个非0字符，而你的目标记录g_123_h_34_p_2中h_后面是两位数字34，所以直接匹配失败。

2. 第二个正则 ^g_[1-9]*_h_[^0]*_p_[^0]*$

   • 你提到*会导致查询延迟，而且*允许空分段（比如g__h_34_p_2这种无效格式也会被匹配），不符合你的数据格式要求。

正则规则解释 #

这个正则的每个部分都严格贴合你的需求：

• ^g_：匹配开头固定的g_前缀
• [1-9]{1,10}：匹配1到10位全为非0的数字（你可以根据实际数据长度调整{1,10}的范围），确保g_和_h之间的分段没有0
• _h_：匹配中间的分隔符
• [1-9]{1,10}：同理，确保_h和_p之间的分段没有0
• _p_：匹配分隔符
• [1-9]{1,10}$：匹配结尾的非0数字分段，确保没有0且符合长度要求

内容的提问来源于stack exchange，提问作者Anjum