Hive 提取文本之前<br>

Question

在 Apache hive 中，如何從給定的字符串中提取子字符串。 我有一列包含以下值。

我需要從下面的字符串中提取 ABC3170，即直到<br>

我的數據看起來有點像下面。 我想獲取所有記錄並消除<BR>之后的文本
第 1 列
---------
G3333
XYZD20
5289
ABC2620
CDF-B700S
客戶經理
ABC3170 <BR></DIV><DIV DIR="AUTO" STYLE="DIRECTION: LTR; MARGIN: 0; PADDING: 0; FONT-FAMILY: SANS-SE

Answer 1

使用Regexp_Extract函數和匹配的 java regex 提取<BR>.之前的值<BR>.

正則表達式：

(.*?)\\s+<BR> //capture without space until <BR>

蜂巢查詢：

hive> select regexp_extract(<column.name>,"(.*?)\\s+<BR>",1) from <db.name>.<tab.name>;

例子：

hive> select regexp_extract(txt,"(.*?)\\s+<BR>",1),txt from i;
+----------+---------------------------------------------------------------------------------------------------------------------------------------------+--+
|   _c0    |                                                                     txt                                                                     |
+----------+---------------------------------------------------------------------------------------------------------------------------------------------+--+
| ABC3170  | ABC3170 <BR></DIV><DIV DIR="AUTO" STYLE="DIRECTION: LTR; MARGIN: 0; PADDING: 0; FONT-FAMILY: SANS-SERIF; FONT-SIZE: 11PT; COLOR: BLACK; ">  |
+----------+---------------------------------------------------------------------------------------------------------------------------------------------+--+