「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 ...

「Hive」regexp_extract提取函数的用法

示例：

附录：正则表达式符号运算优先级及解释
——————————————————————————————————————

「Hive」regexp_extract提取函数的用法相关推荐

最新文章

热门文章

「Hive」regexp_extract提取函数的用法

示例：

附录：正则表达式符号运算优先级及解释 ——————————————————————————————————————

「Hive」regexp_extract提取函数的用法相关推荐

最新文章

热门文章

附录：正则表达式符号运算优先级及解释
——————————————————————————————————————