hive函数：regexp_extract 正则表达式函数

目标：取出["4873748","666"]数组中的数字。

方式：正则表达式选择。

regexp_extract 函数，第一个参数为要解析的数组或字符串等，第二个参数为正则表达式，第三个索引。

这里，参数一：["4873748","666"]

参数二：([0-9]+) 正则表达式，意为筛选数字，这里的‘+’指的是，多次重复

参数三：0 (0表示把整个符合正则表达式对应的结果全部返回)

        1 (1表示返回正则表达式中第一个() 对应的结果 以此类推)

select regexp_extract('["4873748","666"]','([0-9]+)',0);

+----------+--+

|   _c0    |

+----------+--+

| 4873748  |

+----------+--+

解析：按理说0应该返回全部结果值，可是为什么只有’4873748’一个呢？是因为参数二的正则表达式，()代表子表达式。现参数二内只有一个子表达式，所以能够匹配上的也只有第一组数字，因此不论参数三填写索引0还是1，值都是一样的。而索引填写大于1的值时，系统就会出现报错。

select regexp_extract('["4873748","666"]','([0-9]+)',1);

+----------+--+

|   _c0    |

+----------+--+

| 4873748  |

+----------+--+

select regexp_extract('["4873748","666"]','([0-9]+)',2);

Error: Error while compiling statement: FAILED: SemanticException [Error 10014]: Line 1:7 Wrong arguments '2': org.apache.hadoop.hive.ql.metadata.HiveException: Unable to execute method public java.lang.String org.apache.hadoop.hive.ql.udf.UDFRegExpExtract.evaluate(java.lang.String,java.lang.String,java.lang.Integer)  on object [email protected] of class org.apache.hadoop.hive.ql.udf.UDFRegExpExtract with arguments {["4873748","666"]:java.lang.String, ([0-9]+):java.lang.String, 2:java.lang.Integer} of size 3 (state=42000,code=10014)

为了更容易理解，在上文栗子的基础上，对参数二进行了补充，添加了两个子表达式，因此其索引增加至了3。

这里索引0，将符合正则表达式的所有结果值返回。其实，也可以把子表达式看做是数组，只不过不同的是，这里0返回全部，1是位置1,2是位置2。

select regexp_extract('["4873748","666"]','([0-9]+)(.*?)([0-9]+)',0);

+----------------+--+

|      _c0       |

+----------------+--+

| 4873748","666  |

+----------------+--+

select regexp_extract('["4873748","666"]','([0-9]+)(.*?)([0-9]+)',1);

+----------+--+

|   _c0    |

+----------+--+

| 4873748  |

+----------+--+

select regexp_extract('["4873748","666"]','([0-9]+)(.*?)([0-9]+)',2);

+------+--+

| _c0  |

+------+--+

| ","  |

+------+--+

select regexp_extract('["4873748","666"]','([0-9]+)(.*?)([0-9]+)',3);

+------+--+

| _c0  |

+------+--+

| 666  |

+------+--+