unicode - BigQuery - 查找 unicode 字符

Question

我希望构建一个查询来查找给定列中包含 unicode 字符的记录。

我尝试过各种变体

SELECT col 
FROM [project:dataset.table] 
where (REGEXP_MATCH(path,r"[\u0020-\u007E]"))

似乎无法获得正则表达式的正确语法。这个特定的错误给出了错误:

Failed to parse regular expression "[\u0020-\u007E]": invalid escape sequence: \u

阅读here这似乎意味着双引号应该启用 unicode 转义。显然不是。

建议？

<小时/>

编辑:

数据(大致)是这样的形式

• 时间戳
• 记录 ID
• 数组[
  • 数据分数a
  • 数据部分 b ]

假设我想要查找数据部分 a 中任何 包含 unicode 字符的记录。这更有意义吗？

Answer 1

尝试以下操作 - 用于/与 BigQuery 标准 SQL 一起使用

#standardSQL
SELECT col 
FROM `project.dataset.table` 
WHERE REGEXP_CONTAINS(path, '''[\u0020-\u007E]''')  

Imagine that I want to find records where any of data fraction a contains unicode characters.

#standardSQL
WITH `project.dataset.table` AS (
  SELECT 1 AS col, ['ab!"#$%&()*+,-./', 'cd!"#$%&()*+,-./'] AS path UNION ALL
  SELECT 2, ['12,3', '456', '789'] UNION ALL
  SELECT 3, ['abc']
)
SELECT *
FROM `project.dataset.table` 
WHERE (
  SELECT COUNTIF(REGEXP_CONTAINS(path, '''[\u0020-\u0030]''')) 
  FROM UNNEST(path) AS path 
) > 0