SparkSQL REGEXP_EXTRACT函数触发Java索引越界异常问题求助

报错原因 #

Spark SQL 的 REGEXP_EXTRACT 函数默认会提取第1个捕获组，但你使用的正则表达式 srsa[^"]* 没有定义任何捕获组（未用括号包裹目标内容），因此触发 IndexOutOfBoundsException: No group 异常。

解决方法 #

方法1：给正则添加捕获组

在目标匹配内容外加上括号，指定捕获组，再提取第1组：

REGEXP_EXTRACT(reason_text_field, '(srsa[^"]*)', 1) as srsa_id

方法2：提取整个匹配结果（无需分组）

直接指定提取第0组（整个正则匹配的内容）：

REGEXP_EXTRACT(reason_text_field, 'srsa[^"]*', 0) as srsa_id

更稳妥的替代方案（推荐）

由于 reason_text_field 是JSON格式，使用Spark的JSON解析函数get_json_object比正则更可靠，避免JSON结构变化导致匹配失败：

get_json_object(reason_text_field, '$.customer_result') as srsa_id

内容的提问来源于stack exchange，提问作者user12625679