sql - Hive QL 选择字符串的数字子字符串

Question

我有一个包含两列的表格:id，datastring

id 列只是一个 bigint，而 datastring 列的元素类似于

{"12345":[6789,true]}

{"1234678":[5678, false]}

我想选择一个表，其中第一列是 id，第二列是数据字符串引号部分中的数字。但是，这个数字并不总是相同的位数。

结果应该是

id, numstring

4321, 12345
4322, 134678

提前致谢。

Answer 1

您至少有两个选择。第一个缓慢而干净，第二个快速而肮脏。

让我们从第二个选项开始 - 内置 Hive 函数 regexp_extract:

SELECT id, regexp_extract(datastring, '^\\{"(\\d+)".*$', 1) AS numstring 
  FROM your_table

完成!

regexp_extract 采用三个参数:字符串、正则表达式和组索引。如果 regexp 与字符串匹配，则 regexp_extract 返回由组索引指定的正则表达式组。

第一个选项是用 Java 编写自己的 UDF，它将使用 Jackson 或其他方式从数据字符串中提取 numstring。我会选择regexp_extract。但这就是我。