删除 Hive SQL 查询中两个子字符串之间的所有字符

Posted 2023-03-29

【中文标题】删除 Hive SQL 查询中两个子字符串之间的所有字符

【英文标题】：Remove all characters between two substrings in Hive SQL query

【发布时间】：2021-04-02 08:26:37

【问题描述】：

我有一列看起来像这样的字符串：

字符串：SECTION1/SECTION2/0000123456789/SECTION3/SECTION4 字符串：SECTION1/SECTION2/0000987654321/SECTION3/SECTION4 字符串：SECTION1/SECTION2/00005552121X/SECTION3/SECTION4 字符串：SECTION1/SECTION2/00005552222：ID/SECTION3/SECTION4

我正在尝试使用 REGEXP_REPLACE 从中间替换可变长度、alpha/num/special char 字符串并将其替换为通用的东西，这样它们都看起来像这样：

STRING:SECTION1/SECTION2/id_number_removed/SECTION3/SECTION4

我整个上午都在尝试找到正确的正则表达式来替换“/SECTION2/”和“/SECTION3/”之间的所有内容，但没有成功。

【参考方案1】：

将正则表达式模式'SECTION2/[^/]+/SECTION3' 替换为'SECTION2/id_number_removed/SECTION3'。 [^/]+ 表示 1 个或多个不是斜杠的字符。

select regexp_replace(
    'STRING:SECTION1/SECTION2/00005552222:ID/SECTION3/SECTION4',
    'SECTION2/[^/]+/SECTION3', 
    'SECTION2/id_number_removed/SECTION3');

给了

STRING:SECTION1/SECTION2/id_number_removed/SECTION3/SECTION4

【讨论】：

完美！谢谢。