如何使用 Hive REGEXP_EXTRACT() 函数删除非字母数字或非数字字符

Question

我一直在试图弄清楚如何删除多个非字母数字或非数字字符，或者只返回字符串中的数字字符。我试过了：

SELECT
regexp_extract('X789', '[0-9]', 0)
FROM
table_name

但它返回“7”，而不是“789”。

我还尝试使用 NOT MATCH 语法删除非数字字符 ^((?!regexp).)*$:

SELECT
REGEXP_REPLACE('X789', '^((?![0-9]).)*$', '')
FROM
jav_test_ii

regexp_extract 可以返回多个匹配项吗？我真正想做的是将我的数据清理为仅包含数字或字母数字字符。这似乎有助于删除坏字符，但它不是像 [0-9] 这样的字符范围。 regexp_replace(string, '�','')

编辑：下面的查询能够返回“7789”，这正是我想要的。

SELECT
regexp_replace("7X789", "[^0-9]+", "")
FROM
table_name

Answer 1

另见hive regexp_extract weirdness

我认为 regex_extract 只会返回第三个参数中所述的组号。

regex_extract 似乎只在一条线上工作然后退出。

我不知道替换对应项。

它可能适用于非字母数字数据，但如果你给它提供这样的东西

REGEXP_REPLACE(error_code, '[^a-zA-Z0-9]+', '')

---

另外，对于提取，请参阅上面的链接，您可以将其更改为

regexp_extract('X789', '[0-9]+', 0) 用于多个号码。

或

regexp_extract('XYZ789', '[a-zA-Z]+', 0) 用于多个 alpha。