正则表达式，用于提取文件路径的一部分

Question

我在Impala中使用正则表达式函数在文件路径中找到文件夹名称，但似乎无法给我正确的结果

我想从此文件路径中解析出“一个”：

/this/one/path/to/hdfs

这是我使用的正则表达式：

regexp_extract(filepath,'[/]+',0)

Answer 1

如果在这里我们希望捕获/ ，那么我们可能只想尝试([\\/]+) 。 还应该有其他表达式来提取one表达式，例如：

(?:\/[a-z]+\/)(.+?)(?:\/.+)

我们的代码可能看起来像：

regexp_extract(filepath, '(?:\/[a-z]+\/)(.+?)(?:\/.+)', 2)

要么

regexp_extract(filepath, '(?:\/.+?\/)(.+?)(?:\/.+)', 2)

---

车厢

在这种情况下，我们没有捕捉背后是什么one使用非捕获组：

(?:\/[a-z]+\/)

然后我们使用以下命令捕获one ：

(.+?)

最后我们后面添加一个右边界one在另一个非捕获组：

(?:\/.+)

RegEx电路

jex.im可视化正则表达式：

DEMO

根据该斜线， one可能的位置，我们可以修改我们的表达。 例如，在这种情况下，此表达式也可能有效：

(?:\/.+?\/)(.+?)(?:\/.+)

DEMO

Answer 2

最新的Impala版本使用RE2正则表达式库 ，您可以使用regex_extract函数中的第三个参数轻松访问捕获组值。

使用以下正则表达式：

^/[^/]+/([^/]+)

请参阅regex演示 （请注意，Go regex风味也是RE2，这就是为什么在regex101中选择此选项的原因）。 它匹配

• ^ -字符串的开头
• / -a / char（Impala正则表达式字符串中没有正则表达式分隔符，因此无需在模式中转义/ chars）
• [^/]+ - /以外的1个或多个字符
• / -一/炭
• ([^/]+) -捕获组1（要获取它，必须将index参数设置为1 ）： /以外的1个或多个字符

码：

regexp_extract(filepath, '^/[^/]+/([^/]+)', 1)