regexp_extract 在 Hive 中查找值答案

【问题标题】：regexp_extract to find the value in Hiveregexp_extract 在 Hive 中查找值
【发布时间】：2015-11-01 20:17:19
【问题描述】：

我是 regexp_extract 的新手，需要拆分 / 上的列，然后选择第三个值。例如，来自

application/motorola products/routers

想要获得routers。如果没有第三个值，那么我们需要退回到第二个值，即motorola products。我尝试了以下正则表达式模式，但它不起作用：

(.*?\/)(.*?\/)(.*?)(\/.*\/)

【问题讨论】：

【解决方案1】：

您是说单个字符是可选的。给. 一个quantifier * 或+。我认为这个正则表达式实际上会更好：

(?:([^\/]+?\/)([^\/]+?)\/([^\/]*)|([^\/]+?\/)([^\/]+))

我没有与hive 合作过/没有hive，因此无法确认这是否可行，但我认为它应该让您更接近方向。

【讨论】：

【解决方案2】：

听起来您只需要 last 值，即最后一个 / 之后的值。正则表达式为[^/]+$:

select regexp_extract(name, '[^/]+$', 0) from dummy;

如果有两个斜线，则得到第三个值。如果有五个斜线，则得到第六个值。

如果你想在第三个值处停止，即使有两个以上的斜线，你可以使用这个：

select regexp_extract(name, '^(?:[^/]+/){0,2}([^/]+)', 1) from dummy;

索引参数1 使其提取在第一个捕获组([^/]+) 中匹配的内容。

注意：我假设完整的值不会以斜线开始或结束，例如/motorola products/routers或application/motorola products/。

【讨论】：

【解决方案3】：

select split('application/motorola products/routers','/')[size(split('application/motorola products/routers','/'))-1]

【讨论】：