如何使用 reg_extract 或 split 在 Hive 中的特殊字符之后打印字符串的第一次出现？

Posted 2023-03-23

【中文标题】如何使用 reg_extract 或 split 在 Hive 中的特殊字符之后打印字符串的第一次出现？

【英文标题】：How do I print the first occurence of a string after a special character in Hive using reg_extract or split?

【发布时间】：2021-12-30 08:55:55

【问题描述】：

我在蜂巢中陷入了两难境地。我在 Hive 中的数据集如下所示：

##214628##564#7576#7876

#12771#242###256823

###3264###7236473####3

在每种情况下，我只想打印 # 之后的第一个字符串。所以输出应该是这样的：

214628

12771

3264

我尝试使用 reg_extract 函数，但可惜我只得到 NULL 值。由于 hive 不支持 reg_substr，因此以下语法不起作用：

to_number(trim(regexp_substr(col_name,'[^#]+',1,1)))

欢迎提出建议！

【参考方案1】：

你可以使用 regexp_replace 然后 substr 组合。

首先使用regexp_replace()从字符串中删除所有多次出现的#。

regexp_replace(col,'#+','#') -- for data '#####123##' this will produce '#123#'

然后使用 substr 删除第一个 #。然后使用 instr 获取从 first 到 # 的所有内容。

substr(substr(str,2),1, instr(substr(str,2),'#')-1)  this will produce '123'

你可以在下面看到整个 sql。

select  substr(substr(str,2),1, instr(substr(str,2),'#')-1) as result
from (
SELECT regexp_replace('#####123##','#+','#') as str) a

我假设你总是在开头有#。如果只是添加if left(str,1)='#'...并根据数据进行处理。

【讨论】：

非常感谢您提供此解决方案！我实际使用过：select REGEXP_EXTRACT('###23286####24739#####','[^#]+',0);但你的解决方案似乎更万无一失，所以我想我会去的