Question

我在Apache Hive中遇到了一段代码，如regexp_extract（输入，'[0-9] *'，0），有人可以向我解释这段代码的作用吗？感谢

Answer 1

从the Hive manual DDL开始，它返回使用模式提取的字符串。例如regexp_extract('foothebar', 'foo(.*?)(bar)', 2)会返回bar。

index参数是捕获组，它是一个可以采用以下值的整数：

0：整场比赛，在我的例子中，它将是foothebar
1：第一组，在我的示例中，它将是the
2：第二组，在我的例子中，它将是bar
n：第n组。如果n大于正则表达式中定义的实际组数，则Hive查询将失败。

在您的示例regexp_extract(input, '[0-9]*', 0)中，您正在查找由input标识的列的整个匹配项，并以数值开头。

以下是一些例子：

regexp_extract('9eleven', '[0-9]*', 0) - ＆gt;返回9
regexp_extract('9eleven', '[0-9]*', 1) - ＆gt;查询失败
regexp_extract('911test', '[0-9]*', 0) - ＆gt;返回911
regexp_extract('911test', '[0-9]*', 1) - ＆gt;查询失败
regexp_extract('eleven', '[0-9]*', 0) - ＆gt;返回空字符串
regexp_extract('test911', '[0-9]*', 0) - ＆gt;返回空字符串

Answer 2

以上答案部分不正确。 regexp_extract('test911', '[0-9]*', 0)肯定会返回911.我们从不在[0-9]*

之前指定字符串的开头

Answer 3

正则表达式regexp_extract(input, '[0-9]*', 0)将给出输入字符串中的所有起始数字。

例如

select regexp_extract('442323test41234', '[0-9]*', 0) ==> 442323
select regexp_extract('44test41234', '[0-9]*', 0) ==> 44
select regexp_extract('test41234', '[0-9]*', 0) ==> 1

但这不是提取起始数字的最佳方法。以下是更具可读性的格式：

select regexp_extract(input, '^([0-9]+).*?$', 1)

上面的正则表达式说，列出字符串中所有开头的数字，而忽略其余的数字。

Apache Hive regexp_extract UDF

3 个答案: