Presto - 用于从 url 中提取 ID 的正则表达式答案

【问题标题】：Presto - Regular Expression for extracting ID from urlPresto - 用于从 url 中提取 ID 的正则表达式
【发布时间】：2019-07-04 19:34:10
【问题描述】：

我有一些需要解析出 ID 参数的 URL。

在 Presto 中，我使用 url_extract_path 缩小搜索空间，所以现在我有这样的字符串：

1. /LIVERPOOL-HOTELS-THE-LINER-HOTEL.H1858765.HOTEL-INFORMATION
2. /AVON-GORGE-HOTEL.H444059.HOTEL-INFORMATION
3. /NORTH-YORKSHIRE-HOTELS-ST-HILDAS-BOUTIQUE.H7265545.HOTEL-INFORMATION

我想提取.H 之后的数字，例如1858765 用于#1。

有人可以为此建议一个正则表达式吗？

【问题讨论】：

标签： regex hive presto

【解决方案1】：

使用'\\.H([0-9]+)' 模式，字面意思是“.H”和一个或多个数字，提取捕获组1（在括号中）：

hive> select regexp_extract('/LIVERPOOL-HOTELS-THE-LINER-HOTEL.H1858765.HOTEL-INFORMATION','\\.H([0-9]+)',1);
OK
_c0
1858765
Time taken: 0.152 seconds, Fetched: 1 row(s)
hive> select regexp_extract('/AVON-GORGE-HOTEL.H444059.HOTEL-INFORMATION','\\.H([0-9]+)',1);
OK
_c0
444059
Time taken: 0.094 seconds, Fetched: 1 row(s)
hive> select regexp_extract('/NORTH-YORKSHIRE-HOTELS-ST-HILDAS-BOUTIQUE.H7265545.HOTEL-INFORMATION','\\.H([0-9]+)',1);
OK
_c0
7265545
Time taken: 0.056 seconds, Fetched: 1 row(s)

您需要用单个反斜杠 '\.H(\d+)' 屏蔽 Presto 的点字符：

select regexp_extract('LIVERPOOL-HOTELS-THE-LINER-HOTEL.H1858765.HOTEL-INFORMATION','\.H(\d+)',1);

结果：

您还可以在 Hive 和 Presto 中使用 \d+ 而不是 [0-9]+

【讨论】：