REGEX_extract 需要占用路径的一部分

Question

我有一个名为“path”的列，我想创建一个包含项目名称的新列：

Folder/1//File/2//Project/AAA//Dataset/BBBB
Folder/1//File/2//Project/ZZZ//Dataset/XX55
Folder/1//File/3//Project/blabla
Folder/1//File/3//Project/hhhhhhh//Bucket/central

我想要得到的只是

Project/

之后的文本，这是预期的输出：

AAA
ZZZ
blabla
hhhhhhh

我已经尝试过

REGEXP_EXTRACT(REPLACE(path, '//', ''), r'Project/([^/]+)') as Project

命令，但我得到的结果如下：

AAADataset
ZZZDataset
blabla
hhhhhhhBucket

Answer 1

这是一个逻辑错误：如果您打算匹配

/

字符，则不应将其从预期位置中删除。

REPLACE(path, '//', '')

部分删除所有双正斜杠。如果从上面的代码中删除它，您将能够匹配

/

或字符串末尾与

[^/]*

。

因此，解决方案如下

REGEXP_EXTRACT(path, r'Project/([^/]+)') as Project