如何在Impala中按位置提取字符串字符拆分复合字段？

针对你给出的字符串结构（示例：1000002121US200100），除了用LEFT(fieldname,10)提取产品ID，以下几种方法可以提取后续分段：

1. 使用SUBSTR/SUBSTRING函数（通用SQL方案） #

这是按位置提取最直接的方式，大多数SQL数据库（MySQL、Hive、PostgreSQL等）都支持，注意起始位置从1开始计数：

• 提取catalogID（第11-14位，共4位）：

  SUBSTR(fieldname, 11, 4)
  

  注：SQL Server中需用SUBSTRING(fieldname, 11, 4)，参数逻辑一致
• 提取产品渠道（第15-16位，共2位）：

  SUBSTR(fieldname, 15, 2)
  

• 提取销售区域（第17-18位，共2位）：

  SUBSTR(fieldname, 17, 2)
  

2. 使用REGEX_EXTRACT函数（正则匹配方案） #

如果你的查询环境支持正则（比如Hive、Spark SQL），可以通过正则分组精准提取各段：
整个字符串的正则结构为^(.{10})(.{4})(.{2})(.{2})$，每个括号对应一个分段，通过指定分组序号提取：

• catalogID（第2个分组）：

  REGEX_EXTRACT(fieldname, '^(.{10})(.{4})(.{2})(.{2})$', 2)
  

• 产品渠道（第3个分组）：

  REGEX_EXTRACT(fieldname, '^(.{10})(.{4})(.{2})(.{2})$', 3)
  

• 销售区域（第4个分组）：

  REGEX_EXTRACT(fieldname, '^(.{10})(.{4})(.{2})(.{2})$', 4)
  

3. 反向提取（RIGHT+LEFT组合） #

对于末尾的分段，也可以用反向截取的方式：

• 销售区域（最后2位）：

  RIGHT(fieldname, 2)
  

• 产品渠道（倒数第4位到倒数第3位）：

  LEFT(RIGHT(fieldname, 4), 2)
  

内容的提问来源于stack exchange，提问作者Asim Khan