文档

REGEXP_EXTRACT

更新时间:

将字符串source按照pattern的分组规则进行字符串匹配,返回第groupid个组匹配到的字符串内容。

注意事项

REGEXP_EXTRACT函数在Hive兼容的数据类型版本中遵循Java regex规范。而在1.0和2.0数据类型版本中,则遵循MaxCompute的规范。

命令格式

string regexp_extract(string <source>, string <pattern>[, bigint <groupid>])

参数说明

  • source:必填。STRING类型,待拆分的字符串。

  • pattern:必填。STRING类型常量或正则表达式。待匹配的模型。更多正则表达式编写规范,请参见正则表达式规范

  • groupid:可选。BIGINT类型常量,必须大于等于0。

说明

数据以UTF-8格式保存。对于中文字符可以用对应的16进制编码表示,中文字符编码的范围是[\\x{4e00},\\x{9fa5}]

返回值说明

返回STRING类型。返回规则如下:

  • 如果pattern为空串或pattern中没有分组,返回报错。

  • groupid非BIGINT类型或小于0时,返回报错。不指定时默认为1,表示返回第一个组。如果groupid等于0,则返回满足整个pattern的子串。

  • sourcepatterngroupid值为NULL时,返回NULL。

使用示例

  • 示例1:将foothebar按照foo(.*?)(bar)拆分。命令示例如下。

    --返回the。
    select regexp_extract('foothebar', 'foo(.*?)(bar)');
    --返回foothebar。
    select regexp_extract('foothebar', 'foo(.*?)(bar)', 0);
  • 示例2:将8d99d8按照8d(\\d+)d8拆分。命令示例如下。

    --返回99。在MaxCompute客户端上提交正则计算的SQL,需要使用两个"\"作为转义字符。
    select regexp_extract('8d99d8', '8d(\\d+)d8');
  • 示例3:提取【阿里云】aliyun中的中文字符及标点。命令示例如下。

    --返回【阿里云】。
    select regexp_extract('【阿里云】aliyun', '([^\\x{00}-\\x{ff}]+)');
  • 示例4:提取【阿里云】aliyun中的中文字符。命令示例如下。

    --返回阿里云。
    select regexp_extract('【阿里云】aliyun', '([\\x{4e00}-\\x{9fa5}]+)');
  • 示例5:提取【阿里云】aliyun阿里云中的中文字符,该场景较为复杂,无法通过REGEXP_EXTRACT函数实现,需要通过REGEXP_REPLACE函数实现。命令示例如下。

    --返回【阿里云】阿里云。
    select regexp_replace('【阿里云】aliyun阿里云','([\\x{00}-\\x{ff}])', '');
  • 示例6:没有分组。错误命令示例如下:

    select regexp_extract('foothebar', 'foothebar');

相关函数

REGEXP_EXTRACT函数属于字符串函数,更多查找字符串、转换字符串格式的相关函数请参见字符串函数