regexp_extract 在 Hive 中查找值

Question

我是regexp_extract ，需要在/上拆分列，然后选择第三个值。 例如，从

application/motorola products/routers 

想拿routers 。 如果没有第三个值，那么我们需要回退到第二个值，这将是motorola products 。 我尝试了以下正则表达式模式，但它不起作用：

(.*?\/)(.*?\/)(.*?)(\/.*\/)

Answer 1

您是说单个字符是可选的。 给. 量词*或+ 。 我认为这个正则表达式实际上会更好：

(?:([^\/]+?\/)([^\/]+?)\/([^\/]*)|([^\/]+?\/)([^\/]+))

演示： https : //regex101.com/r/dX6uQ9/2

我没有和/没有hive一起工作，所以不能确认这会起作用，但我认为它应该让你走得更近。

Answer 2

听起来您只想要最后一个值，即最后一个/之后的值。 正则表达式为[^/]+$ ：

select regexp_extract(name, '[^/]+$', 0) from dummy;

如果有两个斜杠，您将获得第三个值。 如果有五个斜线，您将获得第六个值。

如果你想在第三个值处停止，即使有两个以上的斜杠，你可以使用这个：

select regexp_extract(name, '^(?:[^/]+/){0,2}([^/]+)', 1) from dummy;

索引参数1使其提取第一个捕获组([^/]+)匹配的内容。

注意：我假设完整的值不会以斜线开头或结尾，例如/motorola products/routers或application/motorola products/ 。

Answer 3

select split('application/motorola products/routers','/')[size(split('application/motorola products/routers','/'))-1]