「Hive」regexp_extract提取函数的用法
regexp_extract:字符串正则表达式解析函数,返回值为字符串string类型。
regexp_extract可用于一般截取函数substr无法使用的一些复杂场景。
用法:regexp_extract(str, regexp[, idx])
- str:被解析的字符串或字段名
- regexp:正则表达式
- idx:是返回结果索引,取表达式的哪一()部分<子表达式>,默认值为1
- 0表示把整个正则表达式对应的结果全部返回;
- 1表示返回正则表达式中第一个() 对应的结果, 以此类推
- 注意:idx的数字不能大于表达式中()的个数,否则报错
应用场景:
- 解析单个字符串;
- 字段值粒度太细,需要粗粒度分组聚合/比较时;
- 示例5:version版本字段值:[1级].[2级].[3级](1,2,3级取值范围:0~99)
- 示例6:字段值不规范,提取有效部分
示例:
code | 结果 |
1.select regexp_extract('hitdecisiondlist','(i)(.*?)(e)',0) | itde |
2.select regexp_extract('hitdecisiondlist','(i)(.*?)(e)',1) | i |
3.select regexp_extract(‘hitdecisiondlist’,’(i)(.*?)(e)’,2) | td |
4.select regexp_extract('x=a3&x=18abc&x=2&y=3&x=4','x=([0-9]+)([a-z]+)',0) |
x=18abc |
5.select cast(regexp_extract(version,'^([0-9]+)',0) as BIGINT) <6 | 取1级版本小于6的 |
6.select regexp_extract(app_version,'^([0-9]+).([0-9]+).([0-9]+)',0) | 清洗数据 |
附录:正则表达式符号运算优先级及解释
——————————————————————————————————————
1.各种操作符的运算优先级
相同优先级的从左到右进行运算,不同优先级的运算先高后低。操作符的优先级从高到低如下:
操作符 | 描述 |
\ | 转义符 |
(), (?:), (?=), [] | 圆括号和方括号:子表达式 |
*, +, ?, {n}, {n,}, {n,m} | 限定符 |
^, $, \anymetacharacter | 位置和顺序 |
| |
“或”操作 |
2.全部符号解释
字符 | 描述 |
\ | 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如,'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。 |
^ | 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性,^ 也匹配 '\n' 或 '\r' 之后的位置。 |
$ | 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性,$ 也匹配 '\n' 或 '\r' 之前的位置。 |
* | 匹配前面的子表达式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。 |
+ | 匹配前面的子表达式一次或多次。例如,'zo+' 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等价于 {1,}。 |
? | 匹配前面的子表达式零次或一次。例如,"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。 |
{n} | n 是一个非负整数。匹配确定的 n 次。例如,'o{2}' 不能匹配 "Bob" 中的 'o',但是能匹配 "food" 中的两个 o。 |
{n,} | n 是一个非负整数。至少匹配n 次。例如,'o{2,}' 不能匹配 "Bob" 中的 'o',但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。 |
{n,m} | m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。 |
? | 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串 "oooo",'o+?' 将匹配单个 "o",而 'o+' 将匹配所有 'o'。 |
. | 匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符,请使用象 '[.\n]' 的模式。 |
(pattern) | 匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到,在VBScript 中使用 SubMatches 集合,在JScript 中则使用 $0…$9 属性。要匹配圆括号字符,请使用 '′或′′或′'。 |
(?:pattern) | 匹配 pattern 但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如, 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。 |
(?=pattern) | 正向预查,在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如,'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ,但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。 |
(?!pattern) | 负向预查,在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows",但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始 |
x|y | 匹配 x 或 y。例如,'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。 |
[xyz] | 字符集合。匹配所包含的任意一个字符。例如, '[abc]' 可以匹配 "plain" 中的 'a'。 |
[^xyz] | 负值字符集合。匹配未包含的任意字符。例如, '[^abc]' 可以匹配 "plain" 中的'p'。 |
[a-z] | 字符范围。匹配指定范围内的任意字符。例如,'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。 |
[^a-z] | 负值字符范围。匹配任何不在指定范围内的任意字符。例如,'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。 |
\b | 匹配一个单词边界,也就是指单词和空格间的位置。例如, 'er\b' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'。 |
\B | 匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er',但不能匹配 "never" 中的 'er'。 |
\cx | 匹配由 x 指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 'c' 字符。 |
\d | 匹配一个数字字符。等价于 [0-9]。 |
\D | 匹配一个非数字字符。等价于 [^0-9]。 |
\f | 匹配一个换页符。等价于 \x0c 和 \cL。 |
\n | 匹配一个换行符。等价于 \x0a 和 \cJ。 |
\r | 匹配一个回车符。等价于 \x0d 和 \cM。 |
\s | 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
\S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
\t | 匹配一个制表符。等价于 \x09 和 \cI。 |
\v | 匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
\w | 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。 |
\W | 匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。 |
\xn | 匹配 n,其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。. |
\num | 匹配 num,其中 num 是一个正整数。对所获取的匹配的引用。例如,'(.)\1' 匹配两个连续的相同字符。 |
\n | 标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式,则 n 为向后引用。否则,如果 n 为八进制数字 (0-7),则 n 为一个八进制转义值。 |
\nm | 标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式,则 nm 为向后引用。如果 \nm 之前至少有 n 个获取,则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足,若 n 和 m 均为八进制数字 (0-7),则 \nm 将匹配八进制转义值 nm。 |
\nml | 如果 n 为八进制数字 (0-3),且 m 和 l 均为八进制数字 (0-7),则匹配八进制转义值 nml。 |
\un | 匹配 n,其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如, \u00A9 匹配版权符号 (?)。 |
原文链接:https://blog.csdn.net/jv_rookie/article/details/55211955
正则表达式
「Hive」regexp_extract提取函数的用法相关推荐
- word怎么设置边距为80磅_Word排版不能忽视的「标尺」工具,6 种用法 80% 的人不知道!...
Word中的标尺工具,你有关注过吗?你会用吗? 标尺,作用如其名,就像生活中使用的直尺那样,可以用来精确地测量和控制文档中内容的位置.它看似是平淡无奇,容易被我们忽略.其实,利用它可以帮我们快速完成很 ...
- python isalpha_「isalpha」Python isalpha()函数 - seo实验室
isalpha 描述 isalpha函数检测字符串中是否只包含字母.如果全部是字母组成的字符串,则返回True,否则返回False.isalpha()函数没有任何参数. 语法 str.isalpha( ...
- python高阶函数、map reduce 自己如何去定义_「python」高阶函数map、reduce的介绍
Python map 先看官方介绍: map(function, iterable, ...)Return an iterator that applies function to every ite ...
- 「译」理解Javascript函数执行—调用栈、事件循环、任务等
现如今,web开发者(我们更喜欢被叫做前端工程师)用一门脚本语言就能做任何事情,从提供浏览器中的交互,到开发电脑游戏.桌面工具.跨平台移动应用,甚至可以在服务端部署(如最流行的Node.js)来连结任 ...
- python waitpid_「waitpid」wait(),waitpid()函数 - seo实验室
waitpid 首先我们来了解一下所谓的僵尸进程, 僵尸进程就是两个进程,一个父进程,一个子进程,其子进程终止后,0-3G的用户内存被回收,而3-4G的部分内存被回收,但是3-4G内存中的PCB等待父 ...
- mysql timestampdiff_「timestampdiff」MySQL timestampdiff()函数 - seo实验室
timestampdiff MySQL TIMESTAMPDIFF函数简介 下面说明了TIMESTAMPDIFF函数的语法. TIMESTAMPDIFF(unit,begin,end); TIMEST ...
- 最快最好用的数据增强库「albumentations」 一文看懂用法
本文内容如下 1. Albumentations的自我介绍 2.案例欣赏 3.如何安装 4.有哪些数据增强方法 4.1 像素级变换(Pixel-level transforms) 4.2 空间级变换( ...
- 腾讯云 Serverless 支撑「新东方」核心业务算力资源
谈起 Serverless 计算,在技术圈热度很高 -- 所有人都在说 Serverless,大家都声称在做 Serverless,但每个 Serverless 又不一样.我们不禁想问,Serverl ...
- sscanf函数用法详解_「MOS考点详解」一道例题详解GETPIVOTDATA函数的用法
要点提示 GETPIVOTDATA函数是MOS Excel认证考试的重要考点.资深Office培训师谷月老师在此借助一道例题详细解读这个函数. 例题 在「按地区」工作表上的单元格 H3 中,使用 GE ...
最新文章
- android8.0 go 机型,安卓8.0良心!还开发了安卓GO, 适配给低配手机,魅族很尴尬!...
- .net中窗体之间的数据交换总结
- SQL Server--用户自定义函数
- 释放锁的逻辑-InterProcessMutex.release
- Combobox绑定数据源DataSet
- 在bitbucket.org上创建Git仓库
- vs2015安装msdn_visual studio 2015离线版msdn下载和安装
- HackMyvm(九)Gigachad持续更新
- java swing是什么_JAVA初学者:swing是什么?
- itunes怎么下载,有什么好的教程
- iOS开发 处理置顶聊天的功能
- java中的Stream
- 报错: chaser.rb:35 in `join': No live threads left.
- 北斗校时系统(GPS授时设备)几种时间同步方法
- 地球生命为啥只选择碳基生命,而不是硅基生命呢?
- Vue移动端UI框架
- 游戏服务器环境部署说明文档,游戏服务器环境安装包
- Redis-布隆过滤器(Bloom Filter)详解
- 小程序如何跳转公众号文章
- DateTime的日期转化