hive中巧用正则表达式的贪婪匹配

转&＃xff1a;http://superlxw1234.iteye.com/blog/1751216

需求&＃xff1a;

从字符串"979|7.10.80|8684"中提取最后一个竖线|后面的内容&＃xff0c;
但是在这个字符串中&＃xff0c;竖线的个数不是固定的 。

使用hive中的regexp_extract函数实现如下&＃xff1a;

Sql代码  

1. select regexp_extract(&＃39;979|7.10.80|8684&＃39;,&＃39;.*\\|(.*)&＃39;,1) from t1 limit 1;    
2. OK    
3. 8864  

由于正则表达式的贪婪匹配&＃xff0c;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&＃xff0c;实现如下&＃xff1a;

Sql代码  

1. select regexp_extract(&＃39;979|7.10.80|8684&＃39;,&＃39;(.*?)\\|.*&＃39;,1) from t1 limit 1;    
2. OK    
3. 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&＃xff0c;用split即可&＃xff0c;比如&＃xff0c;取第二个字段7.10.80:

Sql代码  

1. select split(&＃39;979|7.10.80|8684&＃39;,&＃39;\\|&＃39;)[1] from t1 limit 1;    
2. OK    
3. 7.10.80