xml解析
工作中出现需要解析xml字段(字段为string型)取其中某几个指定节点内容的情况,但源数据中的字段保存的xml内容存在缺失,此时使用xpath
或相关的函数会报错,用instr
查找具体字段位置再用substr
又过于麻烦,遂用正则表达式进行截取。
总体可以看作是用正则表达式取指定两个字符串中的值
例如:
regexp_extract('<staff_name>fasdfasfasdf</staff_name>','(?<=\<staff_name\>).*?(?=\</staff_name\>)',0)
其中,(?<=\<staff_name\>).*?(?=\</staff_name\>)
为正则表达式部分
根据需要匹配报文中对应节点出现的次数转化为对应位置
感觉还可以继续优化,欢迎讨论指教
附找到的参考材料:
hive xpath文档
正则表达式匹配两个特殊字符中间的内容
匹配小数点末尾0
例如8.000 匹配.000部分
(?:(\.)|(\.\d*?[1-9]\d*?))0+(?=\b|[^0-9])