在配置单元中过滤

Question

我有一个配置单元 table 演示（id bigint，项目字符串），其中数据集是逗号分隔的字符串集，例如

id  dataset 
1   ,2,asd,as,a,1 
2   sda,saa,2,fds

有没有一种本机方法可以过滤掉非数字字符串并仅保留数字字符串，而不是分解 table、过滤然后分组或编写我自己的 UDF。

id  dataset 
1   2,1 
2   2

Answer 1

select  id
       ,regexp_replace(regexp_replace(dataset,'(?<=^|,)((\d+)|([^,]*))(?=,|$)',''),'^,+|,+$|(,)+','')

from    demo
;

+----+-----+
| id | c1  |
+----+-----+
|  1 | 2,1 |
|  2 | 2   |
+----+-----+

Answer 2

试试这样的正则表达式：

select id
  ,regexp_replace(dataset, '(,[a-zA-Z]+|^,|[a-zA-Z]+,)' , '') as dataset
 from yourdata;

这导致：

id dataset
1 2,1
2 2

Filtering in hive