hive中巧用正則表達式的貪婪匹配

轉：http://superlxw1234.iteye.com/blog/1751216

需求：

從字符串"979|7.10.80|8684"中提取最后一個豎線|后面的內容，
但是在這個字符串中，豎線的個數不是固定的 。

使用hive中的regexp_extract函數實現如下：

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

由於正則表達式的貪婪匹配，一直會匹配到最后一個豎線。

如果要取第一個豎線前面的內容，實現如下：

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

貪婪匹配和非貪婪匹配的區別 .* 和 .*?

 

如果可以確定取以豎線分割的第N字段，用split即可，比如，取第二個字段7.10.80:

 

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