regex - 使用 hive 在特定单词之前提取文本

Question

我在如下所示的列中有数据:

Avenue 1 HE1 345 HOUSE 123.

FLAT 202 HRE2 D34 HOUSE345。

DOOR 324 HA1 345 HOUSE 67

5，

在所有情况下，我都需要提取始终位于6-7个字符之间的邮政编码。 HOUSE之前，邮政编码之间和邮政编码之前的空白之间始终存在空白。

所需输出:

HE1 345

HRE2 D34

HA1 345

我试过两次使用substring_index只是为了知道 hive 不支持该功能。我是Hive的新手。帮助和对 Material 的任何引用也将是一个很好的姿态。

提前致谢。

Answer 1

您可以使用此正则表达式模式' (\\w+ \\w+) HOUSE'。这意味着一个空格，一个或多个单词字符，一个空格，一个或多个字符，一个空格，HOUSE。括号中是要提取的组。群组索引为1。

演示:

 select regexp_extract(s,' (\\w+ \\w+) HOUSE',1) 
from
(select 'Avenue 1 HE1 345 HOUSE 123.'  s union all
select 'FLAT 202 HRE2 D34 HOUSE 345.' s union all
select 'DOOR 324 HA1 345 HOUSE 67'    s) s;
OK
HE1 345
HRE2 D34
HA1 345
Time taken: 26.472 seconds, Fetched: 3 row(s)

对于不区分大小写的应用程序，请使用(?i)修饰符:

hive>
    >
    > select regexp_extract(s,' (\\w+ \\w+) (?i)HOUSE',1)
    > from
    > (select 'Avenue 1 HE1 345 HOUSe 123.'  s union all
    > select 'FLAT 202 HRE2 D34 HOUsE 345.' s union all
    > select 'DOOR 324 HA1 345 HOuSE 67'    s) s;
OK
HE1 345
HRE2 D34
HA1 345

在此处查看正则表达式文档: https://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html

关于不区分大小写: http://www.regular-expressions.info/modifiers.html