如何将带有嵌套分隔符的列拆分为 Bigquery SQL 中的结构列表？

Question

我有一列包含这样的条目（可变数量的二元组）：

D000001:Term1;D00007:Term19;D00008:Term781 （下面的mesh_terms列），我想拆分它们，以便我最终得到每行的ARRAY<STRUCT<code STRING, term STRING>> 。

下面的查询根据需要工作，但我很好奇是否有人对可读性、性能（在 Bigquery 上，所以不是太大的问题）或最佳实践方面的改进提出建议。

with t1 as (
SELECT 
  pmid, 
  split(mesh_terms, ';') as l1  
FROM `omicidx_etl.pm1`
),
t2 as (
  select 
    t1.pmid, 
    x 
  from t1, 
    unnest(t1.l1) as x
),
t3 as (
select 
  pmid, 
  split(x, ':') as y 
from t2
)
select 
  pmid, 
  array_agg(STRUCT(t3.y[offset(0)] as code, t3.y[offset(1)] as term)) as mesh_terms 
from 
  t3 
group by pmid

Answer 1

在下面使用

select pmid, 
  array(
    select as struct split(kv, ':')[offset(0)] code, split(kv, ':')[safe_offset(1)] term
    from unnest(regexp_extract_all(mesh_terms, r'[^:;]+:[^:;]+')) kv
  ) mesh_terms
from your_table

如果应用于您问题中的样本数据 - 输出是