如何在Druid摄入规范中正确编写regexp_extract？

问题根源在于JSON配置的转义层级：查询语句中的正则直接在SQL环境执行，转义规则简单；但摄入规范是JSON格式，字符串中的反斜杠、双引号需要额外转义，否则会导致语法错误或匹配失败。

方法一：修正正则的转义格式 #

需要对正则中的每个特殊字符进行双重转义：

• 正则里的双引号"需转义为\\\\\"（JSON解析后还原为正则所需的"）
• 正则里的\d需转义为\\\\d（JSON解析后还原为正则所需的\d）

正确的transformSpec配置如下：

"transformSpec": {
  "filter": null,
  "transforms": [
    {
      "type": "expression",
      "name": "ID",
      "expression": "regexp_extract(input, '(?<=\\\\\"ID\\\\\":\\\\\")(\\\\d+)(?=\\\\\",)', 0)"
    }
  ]
}

方法二：使用JSON提取函数更可靠 #

由于你的输入是标准JSON格式字符串，推荐直接使用Druid内置的json_extract_scalar函数提取字段，完全避免正则转义的麻烦，且匹配更稳定：

"transformSpec": {
  "filter": null,
  "transforms": [
    {
      "type": "expression",
      "name": "ID",
      "expression": "json_extract_scalar(input, '$.ID')"
    }
  ]
}

内容的提问来源于stack exchange，提问作者user12331