hiveSql正则方式提取字段中的内容

文章目录

hiveSql正则方式提取字段中的内容

通过

regexp_extract(string subject, string pattern, int index)

UDF完成

• 函数：regexp_extract(string subject, string pattern, int index)
• 返回结果：string
• 使用说明： 返回pattern提取的字符串。 param1：要匹配的字符串(非字符串也可以)或字段 param2：正则表达式 param3：是 Java regex Matcher group() 方法索引，表示要返回的部分。0表示把整个正则表达式对应的结果全部返回。 例如，regexp_extract('foothebar', 'foo(.*?)(bar)', 2) 返回 'bar'。请注意，在使用预定义的字符类时需要进行转义，同java中的使用方式：使用 '\s' 将匹配字母 s； '\\s' 将会匹配任何空白字符。

1. 示例

官方示例中的执行结果

-- 其中param2表示返回正则表达式中$2的结果，即(bar)对应的结果>select regexp_extract('foothebar','foo(.*?)(bar)',2);+------+| _c0  |+------+| bar  |+------+-- 如果param2值为0，则返回pattern匹配的整个结果>select regexp_extract('foothebar','foo(.*?)(bar)',0);+------------+|    _c0     |+------------+| foothebar  |+------------+

param1并非只可以是string类型，如下示例中param1的type为int

>select regexp_extract(5454310223,'10',0);+------+| _c0  |+------+|10|+------+

如果param2的pattern中不包含()，则param3只可以是0，其他值会报错

>select regexp_extract('100.034万人民币','^\\d+\\.*\\d+',0)as result;+----------+|  result  |+----------+|100.034|+----------+>select regexp_extract('100.034万人民币','^\\d+\\.*\\d+',1)as result;
Error: Error while compiling statement: FAILED: SemanticException [Error 10014]: Line 1:7 Wrong arguments '1': org.apache.hadoop.hive.ql.metadata.HiveException: Unable toexecute method public java.lang.String org.apache.hadoop.hive.ql.udf.UDFRegExpExtract.evaluate(java.lang.String,java.lang.String,java.lang.Integer)with arguments {100.034万人民币,^\d+\.*\d+,1}:Nogroup1(state=42000,code=10014)