HQL中的子字符串提取

Question

我的Hive DB中有一个URL字段，该字段是字符串类型，具有以下特定模式：

  

/Cats-g294078-o303631-Maine_Coon_and_Tabby.html

我想在字符串末尾附近提取两个Cat“类型”，结果如下：

  

mainecoontabby

基本上，我只想提取 - 作为一个小写字符串 - 猫“类型”，它们总是用'_和_'分隔，前面加' - '，然后是'.html'。

在HQL中有一种简单的方法吗？我知道HQL的功能有限，否则我会使用regexp或substring或类似的东西。

谢谢， 克拉克

Answer 1

HQL确实有substr函数，如下所示：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF#LanguageManualUDF-StringFunctions 它返回一个字符串，从一个值开始直到结束（或特定长度）

我还会使用函数locate来确定网址中“ - ”和“_”的位置。

只要总共有三个破折号和三个下划线，这应该是非常直接的。

否则可能需要case语句来确定破折号和下划线的数量。

Answer 2

解决方案......

LOWER(REGEXP_REPLACE(SUBSTRING(catString, LOCATE('-', catString, 19)+1), '(_to_)|(\.html)|_', ''))

有趣的是，以下不起作用...... JJFord3，任何想法为什么？

LOWER(REGEXP_EXTRACT(SUBSTRING(FL.url, LOCATE('-', FL.url, 19)+1), '[^(_to_)|(\.html)|_]', 0))