Hive中的regexp_extract參數

Question

大括號中的參數在下面的代碼段中做了什么？

regexp_extract(col_value, '^(?:([^,]*)\,?){1}', 1) Id,  
regexp_extract(col_value, '^(?:([^,]*)\,?){2}', 1) Score,  
regexp_extract(col_value, '^(?:([^,]*)\,?){9}', 1) DisplayName,

Answer 1

如您在此處閱讀的內容，大括號中包含前一個令牌（在這種情況下為非捕獲組 ）可能重復的次數。

該組包含一個（可能為空） 捕獲組，該組由非逗號字符組成，后跟一個可選的逗號。 由於大括號中只有一個數字，因此非捕獲組必須准確重復該次數。

我不知道為什么逗號應該用反斜杠來逃避。 在我看來，反斜杠是沒有必要的。

警告：我不了解Hadoop或Hive，我對regexp_extract所有知識都來自此頁面 。

這些正則表達式的目的是匹配逗號分隔列表中的第一個，第二個和第九個元素，其中捕獲組＃1（由regexp_extract的第三個參數regexp_extract ）僅返回其最后一次出現。 當然，逗號不是真正可選的，除了最后一個元素之后。