regexp_extract 获取所有匹配项

Question

我正在查询 hive 中的列。此列包含 json 有效负载，格式如下：

{"aaa":"xxx", "status":"yes", "bbb":"xyx", "ccc":"yxy", "status":"no", "status":"maybe", "ddd":"zyz"}

我正在尝试提取出现在负载不同点的所有状态值。我正在使用以下内容：

select regexp_extract (payload,'(?<=status":")(.*?)"') as Status

然而，这只是 returns 状态的第一次出现，并且缺少所有下一个。每次 Status 重复后如何获取值？

谢谢

Answer 1

我猜你这样做是因为 json 格式错误，包含重复的键。

使用 anything-but [^abc] 表示法的正则表达式：

/"status":"([^"]*)"/g

这也会从 "status":"" 中收集空字符串，如果您只想要包含值的条目，请使用：

/"status":"([^"]+)"/g

原始和最好的正则表达式参考当然是 perldoc perlre： https://perldoc.perl.org/perlre.html

Answer 2

使用 REGEXP_REPLACE、SPLIT,EXPLODE 和 get_json_object()

的组合

SELECT *
FROM (
    SELECT get_json_object(r, '$.status') AS STATUS
    FROM yourtable t 
     LATERAL VIEW explode(split(regexp_replace(t.payload, ',', '},{'), ',')) t1 AS r
    ) a
WHERE STATUS IS NOT NULL;

这给了

status
yes
no
maybe

regexp_extract 获取所有匹配项

regexp_extract get all matches

regex

hive

extract