Google bigquery 从BigQuery中删除stopwords？

我有一大堆reddit的评论。将字符串拆分为单词，删除标点符号，并量化以显示特定子Reddit上使用最多的单词：

SELECT word, COUNT(*) as num_words
FROM(FLATTEN((
  SELECT SPLIT(LOWER(REGEXP_REPLACE(body, r'[\.\",*:()\[\]/|\n]', ' ')), ' ') word
  FROM [fh-bigquery:reddit_comments.2017_08]
  WHERE subreddit="The_Donald"
  ), word))
GROUP EACH BY word
HAVING num_words >= 1000
ORDER BY num_words DESC

---

我有一个要删除的stopwords列表，如何将其添加到代码中？谢谢：

下面的示例是针对BigQuery遗留SQL的，正如您所问的那样

legacydSQL 选择单词，将*计算为num_单词 从平坦 选择SPLITLOWERREGEXP\u REPLACEbody，r'[\.\，*：\[\]/\124;\ n]'，''，''，word 来自[fh bigquery:reddit_comments.2017_08] 其中，subreddit=The_Donald 单词 什么地方没有文字 “the”，“to”，“a”，“and” 按单词分组 字数>=1000的 按字数顺序描述 BigQuery团队强烈建议使用标准SQL 所以，如果您决定这样做，下面是标准SQL中的示例 它假定您的\u项目中有停止词。您的\u数据集。停止词表

标准SQL 选择单词，将*计算为num_单词 来自“fh bigquery.reddit\u comments.2017\u 08”， UNNESTSPLITLOWERREGEXP\u REPLACEbody，r'[\.\，*：\[\]/\124; \ n]'，''，''，word 其中，subreddit=The_Donald 和word不在“您的\u项目.您的\u数据集.停止\u word”中选择停止\u word` 逐字分组 字数>=1000的 还有单词！= 按字数顺序描述 您可以在此处测试/播放以下虚拟数据

标准SQL 使用'your_project.your_dataset.stop_words'作为 选择“停止”字 从UNNEST['the'，'to'，'a'，'and']停止单词 选择单词，将*计算为num_单词 来自“fh bigquery.reddit\u comments.2017\u 08”， UNNESTSPLITLOWERREGEXP\u REPLACEbody，r'[\.\，*：\[\]/\124; \ n]'，''，''，word 其中，subreddit=The_Donald 和word不在“您的\u项目.您的\u数据集.停止\u word”中选择停止\u word` 逐字分组 字数>=1000的 还有单词！= 按字数顺序描述

---

如果你想做出自己的停顿表，请考虑接受答案并投票给它。