如何在Hadoop Hive中获取Substring？

Question

我的问题是如何通过字符串中的指示获取 Hive 中的子字符串。我的列值格式是这样的：

/Country/State/City/Suburb/Street

在这里我只需要获取国家/地区。

我喜欢 SPLIT，它返回一个由“/”分隔的字符串数组。 还有 SUBSTR(string a, int begin) 从指定的 begin 返回一个子字符串。

在拆分中，我需要再次访问一个数组，其中第一个元素是所需的元素，但只是想知道是否有其他更简单的方法来获取国家/地区。

谢谢

Answer 1

我尝试用正则表达式来提取

Country

。使用正则表达式hive查询是：

select regexp_extract(column,'\/(.*)/.*/.*/.*/',1) from substring_tbl;

我的建表语句：

create external table substring_tbl(
column string)
LOCATION '/user/root/hive_substring/';

您的输入数据：

/Country/State/City/Suburb/Street

查询和正则表达式提取所需数据：

select regexp_extract(column,'\/(.*)/.*/.*/.*/',1) from substring_tbl;

输出：

Country

信息：

regexp_extract()

返回使用模式提取的字符串。有关

regexp_extract()

的更多详细信息，请参阅 hive LanguageManual+UDF

但是以防万一，如果您将输入数据更改为不同的形式，那么您也必须更改正则表达式。

更新1

使用

split()

函数查询以提取所需数据。

select split(column, '\\/')[1] from substring_tbl;

Answer 2

Split 很容易使用，但是如果分隔符是 ; 该怎么办？ 会像Hive这样的系统中那样对待吗