Hive SQL如何提取字段中数值前的所有字符？

问题说明 #

原始COD列数据如下：

需要提取每个值中第一个数字出现之前的所有字符，若没有数字则保留原内容，期望结果：

用户尝试的语句未达到预期：

substr(cod, 1, instr(cod, regexp_replace(cod, '[^0-9]','')))

正确实现方案 #

方法1：使用regexp_extract（推荐） #

利用正则正向预查匹配到第一个数字前的内容：

SELECT 
  regexp_extract(COD, '^(.*?)(?=\\d|$)', 1) AS extracted_COD
FROM your_table;

• ^：锚定字符串起始位置
• (.*?)：非贪婪模式捕获任意字符，避免过度匹配
• (?=\\d|$)：正向预查，遇到第一个数字（\\d）或字符串结尾（$）时停止，该部分不纳入结果
• 参数1：提取第一个捕获组的内容

方法2：使用regexp_replace #

替换掉从第一个数字开始到结尾的所有内容：

SELECT 
  regexp_replace(COD, '\\d.*$', '') AS extracted_COD
FROM your_table;

• \\d.*$：匹配第一个数字及后续所有字符
• 用空字符串替换匹配到的部分，剩余内容即为目标结果

内容的提问来源于stack exchange，提问作者Kiet