hive正则表达式regexp_extract

1、正则规则明细

/做为转意，即通常在"/"后面的字符不按原来意义解释，如/b/匹配字符"b"

^    匹配一个输入或一行的开头，/^a/匹配"an A"，而不匹配"An a"
$    匹配一个输入或一行的结尾，/a$/匹配"An a"，而不匹配"an A"
*    匹配前面元字符0次或多次，/ba*/将匹配b,ba,baa,baaa
+    匹配前面元字符1次或多次，/ba*/将匹配ba,baa,baaa
?    匹配前面元字符0次或1次，/ba*/将匹配b,ba
(x)    匹配x保存x在名为$1...$9的变量中
x|y    匹配x或y
{n}    精确匹配n次
{n,}    匹配n次以上
{n,m}    匹配n-m次
[xyz]    字符集(character set)，匹配这个集合中的任一一个字符(或元字符)
[^xyz]    不匹配这个集合中的任何一个字符
[/b]    匹配一个退格符
/b    匹配一个单词的边界
/B    匹配一个单词的非边界
/cX    这儿，X是一个控制符，//cM/匹配Ctrl-M
/d    匹配一个字数字符，//d/ = /[0-9]/
/D    匹配一个非字数字符，//D/ = /[^0-9]/
/n    匹配一个换行符
/r    匹配一个回车符
/s    匹配一个空白字符，包括/n,/r,/f,/t,/v等
/S    匹配一个非空白字符，等于/[^/n/f/r/t/v]/
/t    匹配一个制表符
/v    匹配一个重直制表符
/w    匹配一个可以组成单词的字符(alphanumeric，这是我的意译，含数字)，包括下划线，如[/w]匹配"$5.98"中的5，等于[a-zA-Z0-9]
/W    匹配一个不可以组成单词的字符，如[/W]匹配"$5.98"中的$，等于[^a-zA-Z0-9]。
'( )' 标记一个子表达式的开始和结束位置。

2、regexp_extract函数（抽取一个匹配了正则表达式的组）

regexp_extract(str, regexp[, idx])

extracts a group that matches regexp

3、实例：

如：

1）  select regexp_extract('hitdecisiondlist','(i)(.*?)(e)',0) ;

得到的结果为:0代表匹配整个group正则表达式

itde

2）  select regexp_extract('hitdecisiondlist','(i)(.*?)(e)',1) ;

得到的结果为:1代表匹配第一个group

i

3）  select regexp_extract('hitdecisiondlist','(i)(.*?)(e)',2) ;

得到的结果为:2代表匹配第二个group

td

4）  select regexp_extract('x=a3&x=18abc&x=2&y=3&x=4','x=([0-9]+)([a-z]+)',2) from default.dual;
得到的结果为:

abc

此外，当前的语句只有2个()表达式 所以当idx>=3的时候 就会报错
5）

原始字符串

{
	"serveHonourInfo": "[{\"benefits\":[{\"name\":\"接送机50元立减券\",\"count\":1,\"businessLine\":\"TRIP_PUBLIC\"}],\"stageInfos\":{\"init\":{\"status\":1}},\"extMap\":{\"delayTime\":0}}]"
}

                                     SELECT  *
                                      FROM    t.s_t
                                      WHERE   ds = MAX_PT("t.s_t")
                                      AND     GET_JSON_OBJECT(attributes, "$.serveHonourInfo") IS NOT NULL
                                      AND     regexp_extract(GET_JSON_OBJECT(attributes, "$.serveHonourInfo"),'(stageInfos)(.*)(init)(.*)(status\\\\":)([0-9])',6) IN (1,2)
                                      AND     to_char(gmt_create, 'yyyyMMdd') >= '20211027'