有没有办法匹配RE2中指定字符之前和之后的字符？

Question

我需要在较大的文档中查找数字，这些文档可能是信用卡详细信息，例如346490606109917。我希望忽略包含信用卡样式详细信息的较大数字，例如96213464906061099171。

在常规的RegEx中(如果您不介意使用双关语)，我可以在模式的开头使用(?<![0-9])，在结尾使用(?![0-9])，这样只有与信用卡格式完全匹配的数字才会被匹配，而其中可能包含信用卡样式号码的较大数字将被忽略。数字两边的非数字字符都可以。

我的模式是

(?<![0-9])(4[0-9]{12}(?:[0-9]{3})?|(?:5[1-5][0-9]{2}|222[1-9]|22[3-9][0-9]|2[3-6][0-9]{2}|27[01][0-9]|2720)[0-9]{12}|3[47][0-9]{13}|3(?:0[0-5]|[68][0-9])[0-9]{11}|6(?:011|5[0-9]{2})[0-9]{12}|(?:2131|1800|35\d{3})\d{11})(?![0-9])

例如，在正常的RegEx中，它会在abc346490606109917zyz上产生匹配，但在abc96213464906061099171xyz上不会。

但是，BigQuery使用的this isn't supported in Regex2在文档中被列为“不受支持”。

在RE2中有没有等价物，或者这是不可能的？

Answer 1

下面是针对BigQuery标准SQL的说明

#standardSQL
WITH `project.dataset.table` AS (
  SELECT 'abc346490606109917zyz' str UNION ALL
  SELECT 'abc96213464906061099171xyz'
)
SELECT *, REGEXP_CONTAINS(str, r'(^|[^0-9])(4[0-9]{12}(?:[0-9]{3})?|(?:5[1-5][0-9]{2}|222[1-9]|22[3-9][0-9]|2[3-6][0-9]{2}|27[01][0-9]|2720)[0-9]{12}|3[47][0-9]{13}|3(?:0[0-5]|[68][0-9])[0-9]{11}|6(?:011|5[0-9]{2})[0-9]{12}|(?:2131|1800|35\d{3})\d{11})($|[^0-9])') check
FROM `project.dataset.table`   

结果如下

Row str                         check    
1   abc346490606109917zyz       true     
2   abc96213464906061099171xyz  false      

(^|[^0-9])部分标识字符串开始或非数字序列。与($|[^0-9])相同，但它指示字符串结束或非数字序列，而不是开始

如果您还需要提取卡号，请使用下面的示例

#standardSQL
WITH `project.dataset.table` AS (
  SELECT 'abc346490606109917zyz' str UNION ALL
  SELECT 'abc96213464906061099171xyz'
)
SELECT *, 
  REGEXP_CONTAINS(str, r'(^|[^0-9])(4[0-9]{12}(?:[0-9]{3})?|(?:5[1-5][0-9]{2}|222[1-9]|22[3-9][0-9]|2[3-6][0-9]{2}|27[01][0-9]|2720)[0-9]{12}|3[47][0-9]{13}|3(?:0[0-5]|[68][0-9])[0-9]{11}|6(?:011|5[0-9]{2})[0-9]{12}|(?:2131|1800|35\d{3})\d{11})($|[^0-9])') check,
  REGEXP_EXTRACT(str, r'(?:^|[^0-9])(4[0-9]{12}(?:[0-9]{3})?|(?:5[1-5][0-9]{2}|222[1-9]|22[3-9][0-9]|2[3-6][0-9]{2}|27[01][0-9]|2720)[0-9]{12}|3[47][0-9]{13}|3(?:0[0-5]|[68][0-9])[0-9]{11}|6(?:011|5[0-9]{2})[0-9]{12}|(?:2131|1800|35\d{3})\d{11})(?:$|[^0-9])') number
FROM `project.dataset.table`   

结果将是

Row str                         check   number   
1   abc346490606109917zyz       true    346490606109917  
2   abc96213464906061099171xyz  false   null        

在这里，在REGEXP_EXTRACT中，您需要使用(?:regular_expression)来表示非捕获组