使用HiveQL正则表达式在一段时间之前提取所有字符？

Question

我有一张表格如下：

bl.ah
foo.bar
bar.fight

我想使用HiveQL的regexp_extract返回

bl
foo
bar

Answer 1

给出关于 regexp_extract 的docs数据：

regexp_extract(string subject, string pattern, int index)

  

返回使用模式提取的字符串。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注意：使用'\ s'作为第二个参数将匹配字母s; '\ s'是匹配空格等的必要条件.'index'参数是Java regex Matcher group（）方法索引。有关'index'或Java regex group（）方法的更多信息，请参阅docs / api / java / util / regex / Matcher.html。

因此，如果您有一个包含单个列的表（我们将其称为description示例），您应该能够按照以下方式使用regexp_extract在之前获取数据 ，如果存在，或者在没有句号的情况下整个字符串：

regexp_extract(description,'^([^\.]+)\.?',1)

正则表达式的组件如下：

• ^字符串开头
• ([^\.]+)在捕获组中的任何非句号字符一次或多次
• \.?一段时间或无时间

因为我们感兴趣的字符串部分将位于第一个（也是唯一的）捕获组中，我们通过将index参数传递给 1 来引用它