hive中巧用正则表达式的贪婪匹配

需求：

从字符串"979|7.10.80|8684"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：

select regexp_extract('979|7.10.80|8684','.*\\|(.*)',1) from t1 limit 1;  
OK  
8864

 

由于正则表达式的贪婪匹配，一直会匹配到最后一个竖线。

如果要取第一个竖线前面的内容，实现如下：

select regexp_extract('979|7.10.80|8684','(.*?)\\|.*',1) from t1 limit 1;  
OK  
979 

 

 

贪婪匹配和非贪婪匹配的区别 .* 和 .*?

 

 

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7.10.80:

 

select split('979|7.10.80|8684','\\|')[1] from t1 limit 1;  
OK  
7.10.80