如何使用 talend 在 hive 上的分隔符 nth 之间进行 regexp_extract

Posted 2023-03-23

【中文标题】如何使用 talend 在 hive 上的分隔符 nth 之间进行 regexp_extract

【英文标题】：how to regexp_extract between delimiter nth on hive with talend

【发布时间】：2021-03-11 11:34:49

【问题描述】：

所以我一直在努力用 ^ 分隔符分隔随机文本

注意：我不使用split，因为它的限制是由于我的天赋。所以仅限regexp_extract。

文字如下：

1^^^prophalena^BB^^^^^^^^^VVRT^4^206_MEE65^098740^0206_09^0ID00980990^1
^^^alchemist^^^^^^^^^^^8^314_YOUR^094589740^099_PPPP^0PP746739200^1

我已经尝试使用这些正则表达式在各种情况下提取prophalena：

结果mapredtask2

select regexp_extract(value,'^(?:[^\\^]*\^)3([^\\^]*',1)

结果为 0 值

select regexp_extract(value, '^(?:([^^]+)\^?)4',1)

这里出了什么问题？我该怎么办？

【问题讨论】：

第一个模式缺少最后的)。试试regexp_extract(value, '^(?:[^^]*\^)3([^^]*)', 1)（见demo）。请注意，您提供的任何一个字符串中都没有 mapredtask2。

嘿，谢谢！如果我想提取VVRT怎么办？还是其他？我已经尝试将括号 3 中的数字更改为 14，但它不起作用。

因为是第14个字段，所以使用13，^(?:[^^]*\^)13([^^]*)。

不幸的是，当我将括号设置为大于 1 时，正则表达式不起作用。结果类似于 1

【参考方案1】：

第一个模式缺少最后的)，并且您在字符类中添加了不必要的反斜杠。

你可以使用

regexp_extract(value, '^(?:[^^]*\^)3([^^]*)', 1)

请参阅regex demo。

详情：

^ - 字符串开头 (?:[^^]*\^)3 - 除^ 之外的任何字符出现三次，然后是^ 字符 ([^^]*) -

第四个

字段，除^之外的零个或多个字符。

所以，大括号内的数字就是 N-1 值（如果需要第 14 个字段，请使用13）。