Hive中的regexp_extract参数

Question

大括号中的参数在下面的代码段中做了什么？

regexp_extract(col_value, '^(?:([^,]*)\,?){1}', 1) Id,  
regexp_extract(col_value, '^(?:([^,]*)\,?){2}', 1) Score,  
regexp_extract(col_value, '^(?:([^,]*)\,?){9}', 1) DisplayName,

Answer 1

正如您可以阅读here，大括号中包含前一个令牌（在本例中为non-capturing group）可能重复的次数。

该组包含由非逗号字符组成的（可能为空）capturing group，后跟可选的逗号。由于大括号中只有一个数字，因此非捕获组必须重复该次数。

我不知道为什么逗号应该用反斜杠转义。在我看来，反斜杠是没有必要的。

警告：我不知道Hadoop或Hive，我对regexp_extract的所有知识都来自this page。

这些正则表达式的目的是匹配逗号分隔列表中的第一个，第二个和第九个元素，其中捕获组＃1（由regexp_extract的第三个参数选择）仅返回其最后一次出现。当然，除了最后一个元素之外，逗号不是可选的。