正则表达式，用于提取文件路径的一部分

Question

我正在Impala中使用正则表达式功能在文件路径中找到文件夹名称，但似乎无法给我正确的结果

我想从此文件路径中解析出“一个”：

/this/one/path/to/hdfs

这是我使用的正则表达式：

regexp_extract(filepath,'[/]+',0)

Answer 1

如果在这里我们希望捕获/，那么我们可能只想尝试([\/]+)。还应该有其他表达式来提取one，例如：

(?:\/[a-z]+\/)(.+?)(?:\/.+)

，我们的代码可能类似于：

regexp_extract(filepath, '(?:\/[a-z]+\/)(.+?)(?:\/.+)', 2)

或

regexp_extract(filepath, '(?:\/.+?\/)(.+?)(?:\/.+)', 2)

---

隔室

在这种情况下，我们不会使用非捕获组捕获one后面的内容：

(?:\/[a-z]+\/)

然后我们使用以下命令捕获one：

(.+?)

最后，我们在另一个one之后的另一个非捕获组中添加了一个右边界：

(?:\/.+)

RegEx电路

jex.im可视化正则表达式：

DEMO

根据one可能位于的斜线，我们可以修改表达式。例如，在这种情况下，该表达式也可能有效：

(?:\/.+?\/)(.+?)(?:\/.+)

DEMO

Answer 2

最新的Impala版本use RE2 regex library，并且您可以使用regex_extract function中的第三个参数轻松访问捕获组值。

使用以下正则表达式：

^/[^/]+/([^/]+)

请参见regex demo（请注意，Go regex风味也是RE2，这就是在regex101中选择此选项的原因）。匹配

• ^-字符串的开头
• /-一个/字符（Impala正则表达式字符串中没有正则表达式定界符，因此无需在模式中转义/个字符）
• [^/]+-除/以外的任何1个或多个字符
• /-一个/字符
• ([^/]+)-捕获组1（要获取它，必须将 index 参数设置为1）：除{以外的任何1个或多个字符{1}}

代码：

/