Google Bigquery Regexpを使用した近接検索

Question

タイトルテキストがあります。 "英国で最も危険な仕事のトップ5"。 単語「危険」を含むすべての行と、それらの間の距離が3ワードの単語「英国」を検索したい。

上記のテキストのように、テキストに「危険」と「英国」という単語が含まれていて、それらの間の距離も3ワードであるため、条件に一致する必要があります。

私は、構文の下に試してみました：

SELECT PubName,Title 
    From emp.final_month 
    WHERE REGEXP_CONTAINS(Title,r'\b?(dangerous).*(UK)\b?') 

（クエリの上に私にそれらの間の位置に基づいて、単語「危険」と「英国」ではなくを持っているすべてを提供します。）

ない置く方法がわから上記のクエリの位置。誰でもBigQueryでサポートされているregexpの正しい構文を手に入れることができます。

正規表現の構文も歓迎します。

Answer 1

です：

\bdangerous\b (?:\w+[- ]){3}\bUK\b 

が、それは大文字と小文字が区別だと注意し、doesnの」に「危険な」と「英国」の間の句読点を説明する。

\bdangerous\b : the word 'dangerous' followed by a space 
(?:  ): a non-capturing group... 
( \w+ ): consisting of one or more word characters... 
( [- ]): followed by either a hyphen or a space... 
{3}: repeated three times (i.e. three words) 
\bUK\b: the word 'UK' 

Answer 2

方向のアイデアとしてのアプローチの下に試してみてください - それはあなたがこの正規表現しようとすることができBigQueryの標準SQL

ため

#standardSQL 
WITH `emp.final_month` AS (
    SELECT 'Top 5 most dangerous jobs in the UK' AS title UNION ALL 
    SELECT 'Top most dangerous 5 jobs in the UK' AS title 
), 
words AS (
    SELECT title, word, pos 
    FROM `emp.final_month`, UNNEST(REGEXP_EXTRACT_ALL(title, r'[\w_]+')) AS word WITH OFFSET pos 
    WHERE word IN ('dangerous', 'UK') 
    ORDER BY title, pos 
) 
SELECT w1.title title 
FROM words w1 JOIN words w2 
ON w1.title = w2.title 
AND w1.word != w2.word 
AND w1.pos > w2.pos 
GROUP BY title 
HAVING MIN(w1.pos - w2.pos - 1) = 3