hadoop - Apache Hive regexp_extract UDF

Question

我在 Apache Hive 中遇到一段代码，如 regexp_extract(input, '[0-9]*', 0)，有人可以向我解释这段代码的作用吗？谢谢

Answer 1

来自 the Hive manual DDL ，它返回使用模式提取的字符串。例如regexp_extract('foothebar', 'foo(.*?)(bar)', 2) 返回 bar。

index参数是捕获组，它是一个整数，可以取以下值:

• 0:整个比赛，在我的例子中是foothebar
• 1:第一组，在我的例子中是the
• 2:第二组，在我的例子中是bar
• n:第n组。如果 n 大于正则表达式中定义的实际组数，则 Hive 查询将失败。

在您的示例中，regexp_extract(input, '[0-9]*', 0)，您正在寻找由 input 标识的列的整个匹配项并以数值开头。

这里有几个例子:

• regexp_extract('9eleven', '[0-9]*', 0) -> 返回 9
• regexp_extract('9eleven', '[0-9]*', 1) -> 查询失败
• regexp_extract('911test', '[0-9]*', 0) -> 返回 911
• regexp_extract('911test', '[0-9]*', 1) -> 查询失败
• regexp_extract('11', '[0-9]*', 0) -> 返回空字符串
• regexp_extract('test911', '[0-9]*', 0) -> 返回空字符串