HQL 中的子字符串提取答案

【问题标题】：substring extraction in HQLHQL 中的子字符串提取
【发布时间】：2014-11-12 16:08:17
【问题描述】：

在我的 Hive DB 中有一个 URL 字段是具有这种特定模式的字符串类型：

/Cats-g294078-o303631-Maine_Coon_and_Tabby.html

我想提取字符串末尾附近的两个 Cat“类型”，结果类似于：

mainecoontabby

基本上，我只想提取 - 作为一个小写字符串 - Cat“类型”，它们总是由“_ 和 _”分隔，前面是“-”，后面是“.html”。

在 HQL 中是否有一种简单的方法可以做到这一点？我知道 HQL 的功能有限，否则我会使用正则表达式或子字符串或类似的东西。

谢谢，克拉克

【问题讨论】：

【解决方案1】：

HQL 确实有一个 substr 函数，如下所述：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF#LanguageManualUDF-StringFunctions 它返回从一个值开始直到结束（或特定长度）的字符串片段

我还将利用函数locate 来确定 URL 中“-”和“_”的位置。

只要总是有三个破折号和三个下划线，这应该很简单。

可能需要 case 语句来确定破折号和下划线的数量，否则。

【讨论】：

【解决方案2】：

解决方案在这里...

LOWER(REGEXP_REPLACE(SUBSTRING(catString, LOCATE('-', catString, 19)+1), '(_to_)|(\.html)|_', ''))

有趣的是，以下方法不起作用... JJFord3，知道为什么吗？

LOWER(REGEXP_EXTRACT(SUBSTRING(FL.url, LOCATE('-', FL.url, 19)+1), '[^(_to_)|(\.html)|_]', 0))

【讨论】：