Hive中帶有URL的REGEXP_EXTRACT

Question

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

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

期望的輸出：這就是字

我在下面嘗試過，但是沒有一個起作用。 哪種RegEx可以從此輸入中獲得所需的輸出？

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)

觀看此正則表達式演示

它匹配

• ^ -字符串的開頭
• .* -盡可能多的除換行符以外的0+個字符
• /bla-bla-bla/ -文字/bla-bla-bla/子字符串
• ([^/.]+) -組1（自下一個參數為1以來，您會得到什么）：1個或更多除/和以外的字符.
• \\.a一個.a子字符串
• [0-9] -一個數字
• .*$ -字符串的其余部分。