从 hive 中的文本列中提取子字符串

【问题标题】：extracting a substring from a text column in hive从 hive 中的文本列中提取子字符串
【发布时间】：2018-11-08 20:58:53
【问题描述】：

我们在名为 title 的列中有文本数据，如下所示

"id":"S-1-98-13474422323-33566802","name":"uid=Xzdpr0,ou=people,dc=vm,dc=com","shortName":"XZDPR0","displayName":"Jund Lee","emailAddress":"jund.lee@bm.com","title":"Leading Product Investor"

需要从 hive 中的上述文本数据中仅提取显示名称（本例中为 Jund lee），我尝试使用 substring 函数但似乎不起作用，请帮助

【问题讨论】：

标签： hive hql

【解决方案1】：

将 regexp_extract 函数与 matching 正则表达式结合使用，仅从您的 title 字段值中捕获 displayName。

例如：

hive> with tb as(select string('"id":"S-1-98-13474422323-33566802",
         "name":"uid=Xzdpr0,ou=people,dc=vm,dc=com","shortName":"XZDPR0",
         "displayName":"Jund Lee","emailAddress":"jund.lee@bm.com",
         "title":"Leading Product Investor"')title) 
     select regexp_extract(title,'"displayName":"(.*?)"',1) title from tb;

+-----------+--+
|   title   |
+-----------+--+
| Jund Lee  |
+-----------+--+

【讨论】：