在 Hive 中带有 URL 的 REGEXP_EXTRACT

Question

我想在 Hive 中使用 regexp_extract 提取 URL 中 '/bla-bla-bla/' 和 'a12345' 之间的单词 "this-is-the-word"。

输入：www.website.com/bla-bla-bla/this-is-the-word.a12345.anotherword.blabla

期望的输出：这就是单词

我在下面尝试过，但都没有奏效。什么 RegEx 将从这个输入中实现我想要的输出？

regexp_extract(URL,'^.*[/]bla[-]bla[-]bla[/]([a-z]+)\\.(a([0-9]+))*$',1)
regexp_extract(URL,'^.*[/]bla-bla-bla[/]([a-z]*)[.]a([0-9]+)*$',1)

Answer 1

你可以使用

regexp_extract(URL,'^.*/bla-bla-bla/([^/.]+)\.a[0-9].*$', 1)

见this regex demo

匹配

• ^ - 字符串开头
• .* - 除换行符以外的任何 0+ 个字符，尽可能多
• /bla-bla-bla/ - 文字 /bla-bla-bla/ 子字符串
• ([^/.]+) - 第 1 组（因为下一个参数是 1，您将得到什么）：除 / 和 . 之外的 1 个或多个字符
• \.a - .a 子字符串
• [0-9] - 一个数字
• .*$ - 字符串的其余部分到其末尾。