Hive QL 选择字符串的数字子字符串

Question

我有一个包含两列的表格：id, datastring

id 列只是一个 bigint，而 datastring 列的元素看起来像

{"12345":[6789,true]}

{"1234678":[5678, false]}

我想选择一个表，其中第一列是 id，第二列是数据字符串引号部分中的数字。但是，这个数字并不总是相同的位数。

结果应该是

id, numstring

4321, 12345
4322, 134678

提前致谢。

Answer 1

您至少有两个选择。第一个慢而干净，第二个又快又脏。

让我们从第二个选项开始——内置 Hive 函数regexp_extract：

SELECT id, regexp_extract(datastring, '^\\{"(\\d+)".*$', 1) AS numstring 
  FROM your_table

完成！

regexp_extract 接受三个参数：字符串、正则表达式和组索引。如果正则表达式与字符串匹配，则regexp_extract 返回由组索引指定的正则表达式组。

第一个选项是用 Java 编写你自己的 UDF，它会使用 Jackson 或其他方法从数据字符串中提取数字字符串。我会选择regexp_extract。但这就是我。