regexp_extract 获取所有匹配项答案

【问题标题】：regexp_extract get all matchesregexp_extract 获取所有匹配项
【发布时间】：2018-03-13 23:17:57
【问题描述】：

我正在查询hive 中的列。此列包含json 有效负载，格式如下：

{"aaa":"xxx", "status":"yes", "bbb":"xyx", "ccc":"yxy", "status":"no", "status":"maybe", "ddd":"zyz"}

我正在尝试提取出现在有效负载不同点的所有状态值。我正在使用以下内容：

select regexp_extract (payload,'(?<=status":")(.*?)"') as Status

然而，这只会返回第一次出现的状态，而下一次则全部丢失。每次重复状态后如何获取值？

谢谢

【问题讨论】：

尝试regexp_extract_all 以获得全球影响。
谢谢。我试过了，但它说 regexp_extract_all 不是一个公认的函数 - 也许 Hive 不使用它:(
你的预期输出是什么？
理想情况下，我可以将所有“状态”值提取为单独的单元格或一个长字符串，然后我可以将它们分开！所以像“是”“不”“也许”之类的东西

标签： regex hive extract

【解决方案1】：

使用REGEXP_REPLACE、SPLIT,EXPLODE 和get_json_object() 的组合

SELECT *
FROM (
    SELECT get_json_object(r, '$.status') AS STATUS
    FROM yourtable t 
     LATERAL VIEW explode(split(regexp_replace(t.payload, ',', '},{'), ',')) t1 AS r
    ) a
WHERE STATUS IS NOT NULL;

这给了

status
yes
no
maybe

【讨论】：

非常感谢！这行得通！我的 json 格式错误，最初 get_json_object 没有工作，但我能够清理它并使其工作！再次感谢！
@Valerie：不客气。请阅读：stackoverflow.com/help/someone-answers
我们可以通过regexp_extract函数得到答案吗？顺便说一句，就像在问题中所做的那样

【解决方案2】：

我猜你这样做是因为 json 格式错误，包含重复的键。

使用除[^abc] 符号之外的任何东西的正则表达式：

/"status":"([^"]*)"/g

如果您只想要包含值的条目，这也会从“status”：“”中收集空字符串：

/"status":"([^"]+)"/g

原始和最佳的正则表达式参考当然是 perldoc perlre ： https://perldoc.perl.org/perlre.html

【讨论】：

感谢您的回复。我尝试了这种语法，但它没有返回任何值：select regexp_extract (payload,'/"status":"([^"]+)"/g')。它只返回“”。我是否在查询中包含了您的建议错误? 我对正则表达式很陌生，由于stackoverflow问题，我只在我的选择查询中提出了这个逻辑，所以如果我做了一些愚蠢的事情，请多多包涵！！！！我有这个具有不同数据层次结构的json并且“状态”在有效负载的不同级别中重复，并试图“扁平化”数据并提取层次结构所有级别的所有状态。
使用 regexp_extract_all，去掉斜线和 g 标志。
SemanticException [Error 10011]: Line 1:7 Invalid function 'regexp_extract_all' - 我正在使用 Hortonworks，显然不喜欢 'regext_extract_all' 函数 :(