配置单元 regexp_extract 返回 NULL

Question

对正则表达式的世界来说相对较新，所以请多多包涵。我正在尝试使用 regexp_extract 提取字符串中的某个数据子集，但它为我当前尝试使用的正则表达式返回 NULL。

要求如下：-

字符串 --> 测试=1233]3212] --> 提取 1233

字符串 --> 测试=123355 --> 123355

我们的想法是在 test= 之后提取所有数据，直到字符串的第一个 ] 或结尾。

我现在尝试通过 Hive 的 regexp_extract 使用的正则表达式是 --> test=(.*?)]|.*

select regexp_extract('test=1233]','test=(.*?)]|.*',1);
--1233 (CORRECT)

select regexp_extract('test=1233]323]','test=(.*?)]|.*',1);
--1233 (CORRECT)

select regexp_extract('test=1233323abc','test=(.*?)]|.*',1);
--NULL (Should return 1233323abc)

非常感谢您的建议。我现在已经走到一半了:(

Answer 1

您可以使用

regexp_extract(col,'test=([^\]]+)',1);

这里似乎使用regexp_replace更合适，因为你想在不匹配的情况下获得整个输入。

您可以使用

regexp_replace(col, ".*?test=([0-9a-zA-Z]+).*", "")

参见regex demo。

正则表达式将匹配整个字符串，它会删除除 test= 子字符串之后的 1 个或多个字母和数字以外的所有文本，否则将返回整个输入。

如果可以有除 ] 之外的任何字符，请使用

regexp_replace(col, ".*?test=([^\]]+).*", "")

参见 another regex demo。

配置单元 regexp_extract 返回 NULL

Hive regexp_extract returning NULL

regex

hive

regex-group

hiveql