regexp_extract在Hive中查找值

Question

我是/的新用户，需要在application/motorola products/routers 上拆分列，然后选择第3个值。例如，来自

routers

希望获得motorola products。如果没有第3个值，那么我们需要回到第2个值，即(.*?\/)(.*?\/)(.*?)(\/.*\/) 。我尝试了以下正则表达式模式，但它不起作用：

{{1}}

Answer 1

您说单个字符是可选的。给.一个quantifier *或+。我认为这个正则表达式实际上会更好：

(?:([^\/]+?\/)([^\/]+?)\/([^\/]*)|([^\/]+?\/)([^\/]+))

演示：https://regex101.com/r/dX6uQ9/2

我还没有合作/没有hive所以无法证实这会有效，但我认为它应该让你更接近方向。

Answer 2

听起来你只想要 last 值，这意味着最后/之后的任何内容。正则表达式为[^/]+$：

select regexp_extract(name, '[^/]+$', 0) from dummy;

如果有两个斜杠，则获得第三个值。如果有五个斜杠，则获得第六个值。

如果你想停止在第三个值，即使有两个以上的斜杠，你可以使用它：

select regexp_extract(name, '^(?:[^/]+/){0,2}([^/]+)', 1) from dummy;

索引参数1使其提取第一个捕获组([^/]+)中匹配的内容。

注意：我假设完整的值不会开始或结束并带有斜杠，例如/motorola products/routers或application/motorola products/。< / p>

Answer 3

select split('application/motorola products/routers','/')[size(split('application/motorola products/routers','/'))-1]