1。regexp_extract
语法: regexp_extract(string subject, string pattern, int index)
返回值: string
说明： 将字符串subject按照pattern正则表达式的规则拆分，返回index指定的字符。
第一参数： 要处理的字段
第二参数: 需要匹配的正则表达式
第三个参数:
- 0是显示与之匹配的整个字符串
- 1 是显示第一个括号里面的
- 2 是显示第二个括号里面的字段...
注意，在有些情况下要使用转义字符（双斜杠了‘\\’）。
举例：
select regexp_extract(\'x=a3&x=18abc&x=2&y=3&x=4\',\'x=([0-9]+)([a-z]+)\',0), -- x=18abc regexp_extract(\'x=a3&x=18abc&x=2&y=3&x=4\',\'^x=([a-z]+)([0-9]+)\',0), -- x=a3 regexp_extract(\'https://detail.tmall.com/item.htm?spm=608.7065813.ne.1.Ni3rsN&id=522228774076&tracelog=fromnonactive\',\'id=([0-9]+)\',0), -- id=522228774076 regexp_extract(\'https://detail.tmall.com/item.htm?spm=608.7065813.ne.1.Ni3rsN&id=522228774076&tracelog=fromnonactive\',\'id=([0-9]+)\',1), -- 522228774076 regexp_extract(\'http://a.m.taobao.com/i41915173660.htm\',\'i([0-9]+)\',0), -- i41915173660 regexp_extract(\'http://a.m.taobao.com/i41915173660.htm\',\'i([0-9]+)\',1) -- 41915173660 from test.dual;
正则匹配字符解释：
- ^ 表示开头
- $ 表示结尾
- . 表示任意字符
- * 表示任意多个
2。手机号清洗：
regexp_replace(mobile,\'[^0-9]\',\'\') regexp \'1[0-9]{10}\' 返回true，则为好的手机号。
3。其他两个函数split 和 parse_url
也可以做简单的url 关键字提取, 如下
select \'xinli.ewt360.com/Psychology/Search?keyword=abc?语文数学123\' url, split(split(lower(\'xinli.ewt360.com/Psychology/Search?keyword=abc?语文数学123/from\'),\'keyword=\')[1],\'/\')[0] split1, -- 结果: abc?语文数学123 split(parse_url(concat(\'http://\',lower(\'xinli.ewt360.com/Psychology/Search?keyword=abc?语文数学123/from\')), \'QUERY\',\'keyword\'),\'/\')[0] parse_url1, regexp_extract(lower(\'xinli.ewt360.com/Psychology/Search?keyword=abc?语文数学123\'),\'keyword=(.+)\',1), -- 还未找到办法 regexp_extract(lower(\'xinli.ewt360.com/Psychology/Search?keyword=语文数学\'),\'keyword=(^[\\u4e00-\\u9fa5]$)+\') -- 中文匹配，还未验证
4. https://blog.csdn.net/lsr40/article/details/82223923