Question

我正在尝试在Hive中使用REGEXP_EXTRACT函数从列中获取所需的字符串。列中的数据采用以下形式：

words\more_words

我需要在\之后提取字符串的一部分。我尝试过这样的事情：

SELECT REGEXP_EXTRACT('words\more_words','(.*)(\\+)(.*)',3) -> returns nothing

SELECT REGEXP_EXTRACT('words\more_words','.*(\\+)(.*)',2) -> returns nothing

SELECT REGEXP_EXTRACT('words\more_words','\w+(\\+)(\w+)',2)-> returns nothing

SELECT REGEXP_EXTRACT('words\more_words','\\+(\w+)',1) -> returns nothing

我已验证所有上述正则表达式与words\more_words上的regex101.com匹配（除了匹配\more_words的最后一个正则表达式）。但是，我完全不知道为什么蜂巢没有给出理想的结果。

我不确定我做错了什么。所以，为了验证，我这样做了：

SELECT REGEXP_EXTRACT('words\more_words','.*\\.*',0) -> returns 'wordsmore_words'

不确定为什么\已从结果中删除。从技术上讲，正则表达式应匹配整个字符串，结果应该是整个字符串，对吗？

如何在\之后提取字符串的一部分？任何帮助，将不胜感激。谢谢！

Answer 1

使用'\\'定义单个文字反斜杠。也就是说，如果字符串包含\，则应在字符串文字'\\'中使用两个反斜杠。

在正则表达式中，双字面反斜杠可用于匹配文字反斜杠。字符串模式\\应写为'\\\\'，以匹配单个文字backsalsh。

使用

SELECT REGEXP_EXTRACT('words\\more_words','.*\\\\+(.*)',1)

请注意，'words\\more_words'是一个字符串文字，用于定义words\more_words文字字符串。

模式详情