用于提取部分文件路径的正则表达式

Regex for extracting part of a file path

我在 Impala 中使用正则表达式函数来查找文件路径中的文件夹名称，但它似乎没有给我正确的结果

我想从这个文件路径中解析出 "one":

/this/one/path/to/hdfs

这是我使用的正则表达式：

regexp_extract(filepath,'[/]+',0)

如果在这里我们想捕获/，那么我们可能只想尝试([\/]+)。应该还有其他表达式也可以提取one，例如：

(?:\/[a-z]+\/)(.+?)(?:\/.+)

我们的代码可能如下所示：

regexp_extract(filepath, '(?:\/[a-z]+\/)(.+?)(?:\/.+)', 2)

或

regexp_extract(filepath, '(?:\/.+?\/)(.+?)(?:\/.+)', 2)

隔间

在这种情况下，我们不会使用 non-capturing 组捕获 one 背后的内容：

(?:\/[a-z]+\/)

然后我们捕获 one 使用：

(.+?)

最后我们在另一个 non-capturing 组的 one 之后添加右边界：

(?:\/.+)

正则表达式电路

jex.im 可视化正则表达式：

DEMO

根据 one 所在的斜线，我们可以修改表达式。例如，在这种情况下，这个表达式也可能有效：

(?:\/.+?\/)(.+?)(?:\/.+)

DEMO

最新 Impala 版本 use RE2 regex library, and you may easily access capturing group values using the third argument in the regex_extract function。

使用以下正则表达式：

^/[^/]+/([^/]+)

参见 regex demo（注意 Go regex flavor 也是 RE2，这就是为什么在 regex101 选择这个选项）。它匹配

  • ^ - 字符串开头
  • / - 一个 / 字符（Impala 正则表达式字符串中没有正则表达式定界符，因此无需转义模式中的 / 个字符）
  • [^/]+ - /
    • 以外的任何 1 个或多个字符
  • / - 一个 / 字符
  • ([^/]+) - 捕获组 1（要获取它，index 参数必须设置为 1）：任何 1 或/
    • 以外的更多字符

代码：

regexp_extract(filepath, '^/[^/]+/([^/]+)', 1)