如何在Hive中提取分隔符第2次出现前的内容？

我来帮你搞定这个正则提取的需求！先分析下你之前的正则为什么没成功，再给你几个可行的方案：

问题分析 #

你之前用的REGEXP_EXTRACT(acolumn,'^([^\.]+)\.?',2)有两个关键问题：

1. ^([^\.]+)只会匹配第一个点之前的所有非点字符，也就是KRW3TR，完全没包含后面的.899877；
2. 函数第三个参数指定取第2个捕获组，但你的正则里只有1个捕获组，传2自然会返回空值。

你的目标是提取字符串中前两个由点分隔的片段（KRW3TR和899877），也就是到第二个点之前的完整内容，下面是几种实用的实现方法：

方法1：使用REGEXP_EXTRACT直接匹配目标内容 #

调整正则表达式，精准匹配开头的「非点字符+点+非点字符」组合：

REGEXP_EXTRACT(acolumn, '^([^\\.]+\\.[^\\.]+)')

• ^：锚定字符串开头，确保从最开始匹配
• [^\\.]+：匹配一串非点字符（SQL环境中需要用\\转义.，部分工具可能只需要单个\）
• \\.：匹配一个真实的点
• 整个捕获组([^\\.]+\\.[^\\.]+)会直接命中你要的KRW3TR.899877

方法2：使用REGEXP_REPLACE剔除后续冗余内容 #

如果你更习惯用替换思路，可以把目标部分之后的所有内容替换为空：

REGEXP_REPLACE(acolumn, '^([^\\.]+\\.[^\\.]+)\\..*', '\\1')

• \\..*：匹配第二个点以及之后的所有内容
• '\\1'：将匹配到的整段内容替换为第一个捕获组（也就是我们要保留的目标内容）

方法3：结合TRIM处理潜在空格（可选） #

如果你的字符串前后可能存在多余空格，可以在提取后用TRIM做清理：

TRIM(REGEXP_EXTRACT(acolumn, '^([^\\.]+\\.[^\\.]+)'))

用你的示例字符串KRW3TR.899877.GR0054656*DR.798012...2..............GR0054656*EUR*测试，上面三种方法都能精准得到你想要的KRW3TR.899877结果。

内容的提问来源于stack exchange，提问作者thecardcaptor