google-bigquery - 计算字符串中的子字符串

Question

如何计算子字符串在字符串中出现的次数？

在本例中，我正在查找每次“connect.facebook.net/en_US/all.js”出现在前 30 万个互联网站点 (stored in httparchive) 的 HTML 正文中的情况。 )。

Answer 1

您可以对字符串使用 SPLIT()，并计算生成的记录数:

SELECT fb_times, COUNT(*) n_pages
FROM
  (SELECT COUNT(splits)-1 WITHIN RECORD AS fb_times
   FROM
     (SELECT SPLIT(body, 'connect.facebook.net/en_US/all.js') splits
      FROM [httparchive:runs.2014_08_15_requests_body]
      WHERE body CONTAINS 'connect.facebook.net/en_US/all.js'
        AND mimeType="text/html"
        AND page=url))
GROUP BY 1
ORDER BY 1

注意使用WITHIN RECORD来计算SPLIT()生成的子记录数量。

结果:

Fb_times    N_pages
1           12,471
2           1,222
3           163
4           34
5           18
6           12
7           12
8           6
...         ...