用 HIVEQL 将电话区号与电话分开

Posted 2023-03-23

【中文标题】用 HIVEQL 将电话区号与电话分开

【英文标题】：Separate area code from phone with HIVEQL

【发布时间】：2021-08-24 18:14:00

【问题描述】：

我有一张包含 DDD 和电话字段的表格。有些注册正确，有些 ddd 在手机旁边，我需要分开。

我的桌子：

修改表：

我开始学习 HIVEQL，我该如何做出改变？

【问题讨论】：

请描述一下算法，为什么会有多余的00，空行？

@leftjoin 00 只是一个演示。我得到一列数字：

55 12 997000000 或 12 997000000 或 null

那些是巴西的ddd代码吗？如果你知道规则，请详细解释它应该如何解析

在某些情况下，该字段带有 Country DDI +55，而在其他情况下，DDI 不带有

【参考方案1】：

使用regexp_extract(str, regex, group_number) 提取 ddd 和电话。演示：

with mytable as (--test data
select stack(3,'5566997000000','5521997000001','24997000011') as str
)

select regexp_extract(str,'^(?:55)?(\\d2)(\\d+)',1) as ddd,
       regexp_extract(str,'^(?:55)?(\\d2)(\\d+)',2) as telefone
from mytable

结果：

ddd telefone
66  997000000
21  997000001
24  997000011

正则表达式'^(?:55)?(\\d2)(\\d+)'含义：

^ - 字符串锚的开始

(?:55)? - 55 个国家代码零次或一次的非捕获组（可选）

(\\d2) - 用两位数捕获组 - ddd

(\\d+) - 捕获 1 位以上数字的组 - 电话