hive中巧用正则表达式的贪婪匹配

贪婪匹配和非贪婪匹配的区别 .* 和 .*?

举例如下：

  从字符串"888|666|544"中提取最后一个竖线|后面的内容，但是在这个字符串中，竖线的个数不是固定的 。

 

使用hive中的regexp_extract函数实现如下：

hive> select regexp_extract('888|666|544','.*\\|(.*)',1);
OK
544

由于使用了正则表达式的贪婪匹配 .*，一直会匹配到最后一个竖线。

非贪婪模式  .*? 结果如下：

hive> select regexp_extract('888|666|544','.*?\\|(.*)',1);
OK
666|544

如果要取第一个竖线前面的内容，实现如下：

hive> select regexp_extract('888|666|544','(.*?)\\|.*',1);
OK
888

如果可以确定取以竖线分割的第N字段，用split即可，比如，取第二个字段666:

sql代码

hive> select split('888|666|544','\\|')[1];
OK
666