HIVE中如何从字符串提取完整的话题标签？

场景说明 #

假设存在名为note的字段，示例值如下：

• 'xyz #abc-xyz-dfg. #abd'
• '#123%36&89'
• '## avc #1 "Changed xyz #2 from "string"\n - stop #3 #'

当前使用代码 #

REGEXP_EXTRACT( regexp_replace( upper(note),'.?(\#\w+)' ' $1' ), '.(\#\w+)', 0 )

现有代码存在的问题 #

• 提取#abc-xyz时仅得到#abc，无法获取完整标签；
• 提取#abc-xyz. #abcd时仅得到#abcd，遗漏前一个标签；
• #1、#2这类纯数字标签被跳过，返回null；
• #123%36&89仅提取出#123，无法获取包含特殊字符的完整标签。

最终解决方案代码 #

REGEXP_EXTRACT(
      regexp_replace(
        upper(note),
        '.*?(#[\w?\d?\\`\\~!@#$%\\^&*-_+{}\\[\\]\\|//?;:\\"]+)',
        ' $1'
      ),
      '.*(#[\w?\d?\\`\\~!@#$%\\^&*-_+{}\\[\\]\\|//?;:\\"]+)',
      0
    )

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