我是大数据领域的新手，刚开始学习东西。
我在配置单元中有一个tweets表，在其文本字段中，许多记录包含超链接。我想删除这些超链接，但我无法做到。因为在hive中不支持用于此目的的charindex和其他sql函数，即使在搜索了很多之后我也无法找到任何线索。我尝试用regexp_replace做它，但它给我'索引超出范围'错误，这意味着我可能没有写正确的正则表达式。
这是我的查询
SELECT text, regexp_replace (text, '(https.*)', '') FROM tweets;
任何帮助将不胜感激。
答案 0 :(得分：0)
regexp_replace是一种合适的方法，但您的正则表达式将被解释为＆＃34;在第一次出现https之后用空字符串＆＃34;替换所有内容。在这种情况下，您不需要括号，并且您的正则表达式模式需要通过查找https之后的第一个空白字符来更完整地定义要删除的URL的模式。请注意，正则表达式是＆＃34;贪心＆＃34;默认情况下，https.*之类的模式（.*后面有一个空格）将在text中查找最长的字符串。空间。通过添加？来改变这个？到通配符模式，如https.*?。另外，请记住，URL在所有情况下可能没有空格，可能是也可能不是https，但肯定会包含//:。使用Rubular这样的网站来处理正则表达式，然后在工作时添加到查询中。
最后，您可能不应该在功能之后放置空格，而不是regexp_replace (...执行regexp_replace(...