页面点击-前面没有

Question

我试图想出一种方法来定位用户访问某个hits.page.hostname的位置，但之前的hits.page.hostname并不是特定的主机。我希望使用GROUP_CONCAT (如BigQuery中的“中间跟随”页面路径中所示)和正则表达式，但我发现RE2没有looking，所以我回到了起点。

有人有什么想法吗？

Answer 1

我认为使用标准SQL会更容易。您可以通过使用UNNEST WITH OFFSET和数组运算符“向后”查看数组。例如,

#standardSQL
SELECT
  date,
  totals.visits AS total_visits
FROM
  `MyProject.dataset.ga_sessions_*`
WHERE
  PARSE_DATE('%Y%m%d', _TABLE_SUFFIX) BETWEEN
    DATE_SUB(CURRENT_DATE(), INTERVAL 90 DAY) AND
    DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY) AND
EXISTS (
  SELECT 1 FROM UNNEST(hits) AS hit WITH OFFSET off
  WHERE hit.page.hostname = 'foo' AND
    NOT hits[SAFE_OFFSET(off - 1)].page.hostname = 'bar'
);

Answer 2

下面是试图“保存”您最初使用GROUP_CONCAT和后来的REGEX_MATCH的想法

试着在下面

#legacySQL
SELECT 
  date, 
  totals.visits AS totalvisits, 
  GROUP_CONCAT(hits.page.hostname, ">>") WITHIN RECORD AS sequence 
FROM TABLE_DATE_RANGE([MySys:110909631.ga_sessions_],
     DATE_ADD(CURRENT_TIMESTAMP(), -90, 'DAY'), 
     DATE_ADD(CURRENT_TIMESTAMP(), -1, 'DAY')) 
HAVING REGEXP_MATCH(CONCAT('>>', sequence, '>>'), '>>(DesiredHost>>)+')
AND NOT REGEXP_MATCH(CONCAT('>>', sequence, '>>'), '>>(RejectHost>>)+(DesiredHost>>)+')  

以上查找DesiredHost在hits.page.hostname中的访问

REGEXP_MATCH(CONCAT('>>', sequence, '>>'), '>>(DesiredHost>>)+')  

但不包括DesiredHost先于RejectHost的访问

REGEXP_MATCH(CONCAT('>>', sequence, '>>'), '>>(RejectHost>>)+(DesiredHost>>)+')  

正如您在上面这两个表达式中所看到的，您可以在主机内部微调访问长度，或者设置任何其他更复杂的逻辑来查找。希望你有个主意。

并希望你能把最初的想法带回工作！