Google bigquery 使用BigQuery公共数据集分离stackoverflow的标记

谷歌为Stackoverflow的内容提供了一个公共数据集。我们可以了解到这一点。当我登录到GCP云控制台并访问BigQuery页面并提交以下查询时：

select id, tags from `bigquery-public-data.stackoverflow.posts_questions` limit 10

显示给我的结果表将标记字段显示为连接项

如果我看一下JSON，我似乎看到了同样的情况：

---

我的假设是，标记将由“|”字符分隔，但数据似乎显示了另一种情况。我希望能更好地理解这一点。我的最终目标是执行查询以查找包含给定标记的所有问题。

要查找包含给定标记名的所有Stackoverflow问题，可以使用SQL运算符。在数据库字段中查找特定模式时，此运算符非常有用。它在

WHERE

语句后指定，语法如下：

SELECT field1, field2, ...
FROM table
WHERE fieldN LIKE pattern;

模式通常使用以下通配符编写，这些通配符可以生成类似正则表达式的表达式：

• 百分比符号

  “%”

  查找零个或多个字符的任何字符串
  示例：

  选择*其中类似“%foo%”的fieldN将返回fieldN列中包含字符串“foo”的所有条目
  

• 下划线符号

  “quo

  查找任何单个字符
  示例：

  选择*其中类似“A”

  的字段n将返回以字符“A”开头的所有条目

为了找到包含给定标记名的所有Stackoverflow问题，您可以使用模式

“%TAGNAME%”

。 在本例中，查询将返回标记字段包含单词“javascript”的所有条目：

---

发现Stackoverflows中的源数据如何转换为BigQuery表时出现了一个错误。谷歌提出了一个需要解决的问题，并最终发布消息称问题已经解决。因此，这个故事/帖子是暂时的，将来可能不会被复制，也不会有价值。

那里的标签列显然有问题，因为它们只是简单地连接起来，没有任何分隔符-非常奇怪-我想我以前没有看到过-尽管我用这个数据玩了几次我们对此表示歉意！在这里跟踪我们对此表示歉意！在这里跟踪issuetracker.google.com/issues/143784150。同时，请随意使用此数据集上一次迭代的备份，我将其留在这里：-问题现已解决；）谢谢你的来信。结果表明，对于Stackoverflow，BQ中包含的标记数据应该用“|”分隔，这样我们就可以使用split来分隔字符串。显然，此时存在的数据已被破坏，将被修复以返回分隔符。

SELECT 
  *
FROM 
  `bigquery-public-data.stackoverflow.posts_questions` 
WHERE 
  tags LIKE "%javascript%"