使用正则表达式从 Google BigQuery 中的 url 中提取参数

Question

我可以请您帮忙使用 REGEXP_EXTRACT 构建一个在 Google Big Query 上使用的正则表达式，该表达式将解析由特定键标识的 url 参数的值吗？

假设我要解析的参数的键值等于“source”。解析应该：

以下是一些所需行为的示例（它们都应该提供“google”作为输出）：

www.google.com?source=google&medium=cpc --> 输出：google
www.google.com?source=google --> 输出：google
www.google.com?medium=cpc&source=google --> 输出：google
www.google.com?medium=cpc&source=google&keyword=foo --> 输出：google
www.google.com?medium=cpc&source=google&keyword=foo&source=bing --> 输出：google
www.google.it?medium=cpc?source=goo-gle --> 输出：goo-gle
www.google.it?medium=cpc?source=google?med=cpc&keyword=foo --> 输出：google?med=cpc

非常感谢您的帮助！

Answer 1

匹配中第一个捕获的组将是“源”参数的值。

非常感谢这适用于所有示例！请问您理解仅使用 REGEXP_EXTRACT(url, r'[?&]source=([^&]+)') 有什么区别？似乎这在我所有的例子中也能很好地工作，但我想一定有一些场景会表现得不同吗？你能提供给我让我完全理解吗？谢谢！马可 (2认同)

Answer 2

如果需要从 URL 中提取所有参数，也可以使用REGEXP_EXTRACT_ALL，如下所示：

REGEXP_EXTRACT_ALL(query,r'(?:\?|&)((?:[^=]+)=(?:[^&]*))') as params

（在此发布是因为此问题在 Google 上的“bigquery parse url 查询字符串”排名很高，但所选答案仅适用于已定义的一个参数）。