hive 或 impala 函数来获取字符串的子字符串

Posted 2023-03-22

【中文标题】hive 或 impala 函数来获取字符串的子字符串

【英文标题】：hive or impala function to get substring of a string

【发布时间】：2021-06-28 09:47:19

【问题描述】：

我的字符串（它是一个 hive 查询）有许多 FROM 和 JOIN 语句，我想使用 Regex 函数来获取这些语句之后的所有子字符串。

以下是示例字符串： str= '从 dbname.table1,table2 中选择 col1, col2, col3 左 JOIN 表 3 在 id=id 上 交叉 JOIN 表 4 其中过滤器='检查' 与行

要求的输出应该是：

例如： select Regex(str,'from ') => dbname.table1,table2

选择正则表达式(str,'JOIN') => table3 table4

【问题讨论】：

恐怕您的问题不够清楚，无法提供答案。特别是您试图用 x,y,z 解释的内容。请阅读***.com/help/minimal-reproducible-example

我希望现在很清楚......

【参考方案1】：

您可以使用以下正则表达式来捕获FROM 或JOIN 关键字后跟的表。

((JOIN|join|From|from)\s)\w+((\.|,)\w+)0,

请注意，我使用了简单和大写格式的关键字。如果查询字符串与正则表达式一致，则只能使用一种格式，或者可以进行不区分大小写的匹配。

上述正则表达式将给出以下结果。

Case 1：发件人

完整匹配：from dbname.table1,table2

比赛组1：from （注意末尾的空格）

Case 2：加入

完整匹配：JOIN table3 和 JOIN table4

比赛组1：JOIN （注意末尾的空格）

现在，在每次匹配时，您都可以使用 match group1 结果替换 full match 结果中不需要的前缀（from 或 JOIN ）以获取表名。

使用这个网站玩和学习正则表达式：https://regex101.com/

编辑 1

在蜂巢中

regexp_extract('fooblabar', 'foo(.*?)(bar)', 1)

会给你第一组。在这种情况下，它是bla

编辑 2

对正则表达式的小更新以捕获 group3 中的结果

((JOIN|join|From|from)\s)(\w+((\.|,)\w+)0,)

这应该可以解决问题

select split(trim(regexp_replace('select Id from test1 where join test2','((JOIN|join|From|from)\s)(\w+((\.|,)\w+)0,)',' $3')),' ');

【讨论】：

我试过了，但没用。你能帮我解决这个问题吗？我是这个功能的新手。谢谢

我已经尝试过了，但没有给出任何结果：

select regexp_extract(“select Id from test1 where join test2”,'((JOIN|join|From|from)\s)\w+((\.|,)\w+)0, ',1)