在蜂巢中过滤

【问题标题】：Filtering in hive在蜂巢中过滤
【发布时间】：2017-07-12 18:35:37
【问题描述】：

我有一个配置单元表演示（id bigint，项目字符串），其中数据集是一组逗号分隔的字符串，例如

id  dataset 
1   ,2,asd,as,a,1 
2   sda,saa,2,fds

有没有一种本地方法可以过滤掉非数字字符串并只保留数字字符串，而不是分解表格，过滤然后分组或编写我自己的 UDF。

id  dataset 
1   2,1 
2   2

【问题讨论】：

【解决方案1】：

select  id
       ,regexp_replace(regexp_replace(dataset,'(?<=^|,)((\\d+)|([^,]*))(?=,|$)','$2'),'^,+|,+$|(,)+','$1')

from    demo
;

+----+-----+
| id | c1  |
+----+-----+
|  1 | 2,1 |
|  2 | 2   |
+----+-----+

【讨论】：

【解决方案2】：

试试这样的正则表达式：

select id
  ,regexp_replace(dataset, '(,[a-zA-Z]+|^,|[a-zA-Z]+,)' , '') as dataset
 from yourdata;

这会导致：

id dataset
1 2,1
2 2

【讨论】：

没有。使用以下字符串测试自己：@,#,$,10x,a,,,b,a,b,1,,2
我使用了op提供的数据
这是另一个“解决方案”，它“按照操作的要求”：select regexp_replace(dataset,'\\D+(\\d)\\D+(,\\d)?$','$1$2') from demo