用于提取部分文件路径的正则表达式

Posted 2023-03-22

【中文标题】用于提取部分文件路径的正则表达式

【英文标题】：Regex for extracting part of a file path

【发布时间】：2019-05-26 00:52:00

【问题描述】：

我在 Impala 中使用正则表达式函数在文件路径中查找文件夹名称，但它似乎没有给我正确的结果

我想从这个文件路径中解析出“一个”：

/this/one/path/to/hdfs

这是我使用的正则表达式：

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

【参考方案1】：

如果我们希望在这里捕获/，那么我们可能只想尝试([\/]+)。还应该有其他表达式可以提取one，如：

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

我们的代码可能如下所示：

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

或

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

---

隔间

在这种情况下，我们没有使用非捕获组捕获 one 背后的内容：

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

然后我们捕获one 使用：

(.+?)

最后我们在另一个非捕获组的one之后添加一个右边界：

(?:\/.+)

正则表达式电路

jex.im 可视化正则表达式：

DEMO

根据可能位于哪个斜线，one，我们可以修改我们的表达式。例如，在这种情况下，这个表达式也可能起作用：

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

DEMO

【参考方案2】：

最新的 Impala 版本 use RE2 regex library，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：

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

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

^ - 字符串开头 / - / 字符（Impala 正则表达式字符串中没有正则表达式分隔符，因此无需在模式中转义 / 字符） [^/]+ - 除/ 之外的任何 1 个或多个字符 / - 一个 / 字符 ([^/]+) - 捕获组 1（要获取它，index 参数必须设置为 1）：除 / 之外的任何 1 个或多个字符

代码：

regexp_extract(filepath, '^/[^/]+/([^/]+)', 1)