如何在 Impala/hive 中重新格式化多个不同的日期

Question

在表格中，有以各种格式保存的日期。例如

19/Jun/1965     
30-Jun-1980
29-Mar-1970
Jun-12-1969

我希望它们都以相同的格式保存。我正在尝试将其分类为子集并解决每个个体的方法

select birthdate, 
case 
when birthdate like '%-%' then cast(unix_timestamp(birthdate, 'dd-MMM-yyyy') as timestamp) 
when birthdate like '%/%' then cast(unix_timestamp(birthdate, 'dd/MMM/yyyy') as timestamp) 
end from patientinfo;

但这可能会导致多个嵌套的 case-when 查询。

有没有更好的方法将所有数据转换为相同的日期格式？

Answer 1

是的，你可以。

您可以编写自己的 UDF 函数来执行this 之类的操作。 您需要遍历所有可能的格式并尝试验证每种格式的数据。在无效的情况下，返回一条消息或一个默认值，如'1000-01-01'。

你可以看看here如何构建UDF函数。

祝你好运！

Answer 2

正如 F.Lazarescu 指出的那样，您可以使用“外部”工具作为 UDF（如果您习惯使用它们以及 Java 或 C++ 等语言，这可能会更容易），或者您可以简单地使用正则表达式。

Impala 为此提供了 regexp_extract。我做了一个查询，您可以将其用于上述日期。

如果您的日期可能有其他语法，您应该将其添加到正则表达式的可能性中：

select date_time,
case
when 
    -- If it starts with a number(day)
    regexp_extract(date_time, '^(\\d+).*?', 1)!='' THEN
    cast(unix_timestamp(
            concat(
            regexp_extract(date_time, '^(\\d+).*?', 1),-- Day
            '/',
            -- Extract and convert the month
            case 
            when 
            regexp_extract(date_time, '([a-zA-Z]+?)', 1)='Jan' then '01'
            when 
            regexp_extract(date_time, '([a-zA-Z]+?)', 1)='Feb' then '02'
            when 
            regexp_extract(date_time, '([a-zA-Z]+?)', 1)='Mar' then '03'
            when 
            regexp_extract(date_time, '([a-zA-Z]+?)', 1)='Apr' then '04'
            when 
            regexp_extract(date_time, '([a-zA-Z]+?)', 1)='May' then '05'
            when 
            regexp_extract(date_time, '([a-zA-Z]+?)', 1)='Jun' then '06'
            when 
            regexp_extract(date_time, '([a-zA-Z]+?)', 1)='Jul' then '07'
            when 
            regexp_extract(date_time, '([a-zA-Z]+?)', 1)='Aug' then '08'
            when 
            regexp_extract(date_time, '([a-zA-Z]+?)', 1)='Sep' then '09'
            when 
            regexp_extract(date_time, '([a-zA-Z]+?)', 1)='Oct' then '10'
            when 
            regexp_extract(date_time, '([a-zA-Z]+?)', 1)='Nov' then '11'
            when 
            regexp_extract(date_time, '([a-zA-Z]+?)', 1)='Dec' then '12'
            else null 
            end,
            '/',
            regexp_extract(fecha, '(\\d+)$', 1)
            ),
        'dd/MM/yyyy') as timestamp)

WHEN 
        -- If it starts with an String (month)
        regexp_extract(date_time, '^([a-zA-Z]+).*?', 1) !='' then 
        cast(unix_timestamp(
            concat(
            regexp_extract(date_time, '(\\d+)', 1),-- Day
            '/',
            case 
            when 
            regexp_extract(date_time, '^([a-zA-Z]+).*?', 1)='Jan' then '01'
            when 
            regexp_extract(date_time, '^([a-zA-Z]+).*?', 1)='Feb' then '02'
            when 
            regexp_extract(date_time, '^([a-zA-Z]+).*?', 1)='Mar' then '03'
            when 
            regexp_extract(date_time, '^([a-zA-Z]+).*?', 1)='Apr' then '04'
            when 
            regexp_extract(date_time, '^([a-zA-Z]+).*?', 1)='May' then '05'
            when 
            regexp_extract(date_time, '^([a-zA-Z]+).*?', 1)='Jun' then '06'
            when 
            regexp_extract(date_time, '^([a-zA-Z]+).*?', 1)='Jul' then '07'
            when 
            regexp_extract(date_time, '^([a-zA-Z]+).*?', 1)='Aug' then '08'
            when 
            regexp_extract(date_time, '^([a-zA-Z]+).*?', 1)='Sep' then '09'
            when 
            regexp_extract(date_time, '^([a-zA-Z]+).*?', 1)='Oct' then '10'
            when 
            regexp_extract(date_time, '^([a-zA-Z]+).*?', 1)='Nov' then '11'
            when 
            regexp_extract(date_time, '^([a-zA-Z]+).*?', 1)='Dec' then '12'
            else null 
            end,
            '/',
            regexp_extract(date_time, '(\\d+)$', 1)),
        'dd/MM/yyyy') as timestamp)
else null 
end as converted_datetime
from mytable;

希望对你有帮助。