当 regexp_like 和 regexp_extract 工作正常时，Impala regexp_like 查询返回 null答案

【问题标题】：Impala regexp_like query returning null when regexp_like and regexp_extract works fine当 regexp_like 和 regexp_extract 工作正常时，Impala regexp_like 查询返回 null
【发布时间】：2019-08-08 22:16:40
【问题描述】：

我需要使用 regex_extract 从列中的字符串中提取数字。我在外部表上使用 Impala。

我已经检查过正则表达式，为了测试它，我还使用了 regexp_like 和 regexp_replace。他们俩都工作得非常完美。

这里是查询：

select 
    sucursal,
    regexp_like(sucursal,'^[0-9]{1,3}') as match,
    regexp_extract(sucursal,'^[0-9]{1,3}',1) as CodSucusal,
    regexp_replace(sucursal,'^[0-9]{1,3}','lala') as RepCodSucusal
from jdv.stg_devoluciones limit 5;

结果如下：

+-------------------+-------+------------+--------------------+
| sucursal          | match | codsucusal | repcodsucusal      |
+-------------------+-------+------------+--------------------+
| 124 NAVOJOA       | true  |            | lala NAVOJOA       |
| 73 BOCA DEL RIO   | true  |            | lala BOCA DEL RIO  |
| 964 JIUTEPEC      | true  |            | lala JIUTEPEC      |
| 456 TEQUISQUIAPAN | true  |            | lala TEQUISQUIAPAN |
| 212 LANDIN        | true  |            | lala LANDIN        |
+-------------------+-------+------------+--------------------+

codsucursal 应该是 sucursal 编号，但 regexp_extract 正在返回 null 而不是

预期结果：

+-------------------+-------+------------+--------------------+
| sucursal          | match | codsucusal | repcodsucusal      |
+-------------------+-------+------------+--------------------+
| 124 NAVOJOA       | true  |   124      | lala NAVOJOA       |
| 73 BOCA DEL RIO   | true  |   73       | lala BOCA DEL RIO  |
| 964 JIUTEPEC      | true  |   964      | lala JIUTEPEC      |
| 456 TEQUISQUIAPAN | true  |   456      | lala TEQUISQUIAPAN |
| 212 LANDIN        | true  |   212      | lala LANDIN        |
+-------------------+-------+------------+--------------------+

我做错了什么？

【问题讨论】：

不应该是regexp_extract(sucursal,'^[0-9]{1,3}', 0) as CodSucusal吗？索引必须是0。
谢谢，但我已经尝试过了。在 impala 中，您需要三个参数。最后一个是正则表达式组的索引，如果匹配很多，则需要提取。
那么，你试过0吗？
天才。那工作简直太完美了！谢谢

标签： regex hadoop etl impala

【解决方案1】：

Impala regexp_extract function 将捕获组的索引或整个匹配的0 作为第三个参数。

regexp_extract(string subject, string pattern, int index)
用途：根据正则表达式模式从字符串中返回指定的 () 组。第 0 组是指整个提取的字符串，而第 1、2 等组是指第一个、第二个等(...) 部分。

由于您的正则表达式 - ^[0-9]{1,3} - 没有定义捕获组，您应该使用 0 作为第三个参数来引用整个匹配值：

regexp_extract(sucursal,'^[0-9]{1,3}', 0) as CodSucusal

【讨论】：