Hive中带有URL的REGEXP_EXTRACT

Question

我想在Hive中使用regexp_extract提取URL中的“ / bla-bla-bla /”和“ a12345”之间的词，即"this-is-the-word" 。

输入：www.website.com/bla-bla-bla/this-is-the-word.a12345.anotherword.blabla

期望的输出：这就是字

我在下面尝试过，但是没有一个起作用。 哪种RegEx可以从此输入中获得所需的输出？

regexp_extract(URL,'^.*[/]bla[-]bla[-]bla[/]([a-z]+)\\.(a([0-9]+))*$',1)
regexp_extract(URL,'^.*[/]bla-bla-bla[/]([a-z]*)[.]a([0-9]+)*$',1)

Answer 1

您可以使用

regexp_extract(URL,'^.*/bla-bla-bla/([^/.]+)\.a[0-9].*$', 1)

观看此正则表达式演示

它匹配

• ^ -字符串的开头
• .* -尽可能多的除换行符以外的0+个字符
• /bla-bla-bla/ -文字/bla-bla-bla/子字符串
• ([^/.]+) -组1（自下一个参数为1以来，您会得到什么）：1个或更多除/和以外的字符.
• \\.a一个.a子字符串
• [0-9] -一个数字
• .*$ -字符串的其余部分。