hvie url 解析函数

hive outline

链接

对以下数据建表：tb_url

1	http://facebook.com/path/p1.php?query=1
2	http://tongji.baidu.com/news/index.jsp?uuid=frank
3	http://www.jdwz.com/index?source=baidu
4	http://www.itcast.cn/index?source=alibaba

hive parse_url

该函数属于UDF类型

语法：

parse_url(url, partToExtract[, key]) - extracts a part from a URL
  Parts: HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, USERINFO key 

需求：实现对URL进行分析，从URL中获取每个ID对应HOST、PATH以及QUERY

id	url
1	http://facebook.com/path/p1.php?query=1
2	http://tongji.baidu.com/news/index.jsp?uuid=frank
3	http://www.jdwz.com/index?source=baidu
4	http://www.itcast.cn/index?source=alibaba

select id,
       parse_url(url, "HOST")  as host,
       parse_url(url, "PATH")  as path,
       parse_url(url, "QUERY") as query
from tb_url;

id	host	path	query
1	facebook.com	/path/p1.php	query=1
2	tongji.baidu.com	/news/index.jsp	uuid=frank
3	www.jdwz.com	/index	source=baidu
4	www.itcast.cn	/index	source=alibaba

注意：使用parse_url函数每次只能解析一个参数，导致构建多列需要调用多次该函数，我们希望能实现调用一次函数，就可以将多个参数进行解析，得到多列结果。parse_url_tuple可以实现该效果

hive parse_url_tuple

该函数属于UDTF类型（常结合lateral view侧视图）

语法：

parse_url_tuple(url, partname1, partname2, ..., partnameN) - extracts N (N>=1) parts from a URL.
It takes a URL and one or multiple partnames, and returns a tuple. All the input parameters and output column types are string.
Partname: HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, USERINFO, QUERY:<KEY_NAME>
parse_url在使用时可以指定多个参数
第一个参数：url：指定要解析的URL
第二个参数：key1：指定要解析的内容1
……
第N个参数：keyN：指定要解析的内容N

select a.id,
       b.host,
       b.path,
       b.query
from tb_url a lateral view parse_url_tuple(url, "HOST", "PATH", "QUERY") b as host, path, query;

id	host	path	query
1	facebook.com	/path/p1.php	query=1
2	tongji.baidu.com	/news/index.jsp	uuid=frank
3	www.jdwz.com	/index	source=baidu
4	www.itcast.cn	/index	source=alibaba