Question

我的蜂巢中有一个Twitter对象表（json格式），n行和1列。任务是计算在不同对象中某些单词（例如“ hon”，“ han”）的出现频率（每个对象都有一个名为“ text”的属性，其中包括一些文本（字符串类型）），这意味着即使一个单词在一个对象中出现多次，但仅计数一次。我写一个如下查询。

select count(*) from table_name
where regexp(get_json_object(col_name, '$.text'), 'han')
limit 10

并收到类似这样的错误消息

失败：ParseException第2行：6无法识别表达式规范中'regexp''（'''get_json_object'附近的输入。

如何执行此查询任务？而且我不知道如何在正则表达式中忽略大小写。

Answer 1

使用(?i)修饰符进行不区分大小写的比较：

select 
      sum(case when text rlike '(?i)han' then 1 else 0 end) cnt_han,
      sum(case when text rlike '(?i)hon' then 1 else 0 end) cnt_hon
  from
(
select get_json_object(col_name, '$.text') as text 
  from table_name
)s;

如何计算配置单元中某些特定单词出现的频率？

1 个答案: