Impala SQL如何拆分字母数字混合字符串并消除前导零后拼接

针对固定为「连续字母前缀+连续数字后缀」格式的字符串（如示例的UP111770），可以直接用正则一步完成处理，不需要拆分中间字段；如果需要单独复用字母、数字片段，也可以用拆分后处理的方案。

最优方案：正则一步替换（无需显式拆分） #

直接通过正则捕获分组匹配，一次性完成前导零移除和结果拼接，性能最好，也不会出现数值溢出问题：

SELECT
  your_col,
  regexp_replace(your_col, '^([A-Za-z]+)0*([0-9]+)$', concat('$1','$2')) AS processed_col
FROM your_table;

正则逻辑说明：

• ^([A-Za-z]+)：匹配字符串开头的所有连续字母，记为第一个分组$1
• 0*：匹配字母段之后、有效数字之前的所有连续前导零，这部分不会写入替换结果
• ([0-9]+)$：匹配字符串末尾剩余的所有数字（自动跳过了前面的前导零），记为第二个分组$2
• 替换时直接拼接两个分组的内容，就得到最终结果

效果验证：

• 输入UP111770 → 输出UP111770（无多余前导零，保持原值）
• 输入UP00011770 → 输出UP111770（自动移除3个前导零）
• 输入AB0000 → 输出AB0（数字全为0时保留最后一个0，避免数字段为空）
• 输入TEST010203 → 输出TEST10203（仅移除数字段开头的0，中间、末尾的0正常保留）

拆分处理方案（适合需要单独复用片段的场景） #

如果后续业务需要单独使用提取出的字母段、数字段，可以先拆分两部分分别处理，再拼接结果：

SELECT
  your_col,
  -- 提取字母前缀
  regexp_extract(your_col, '^([A-Za-z]+)', 1) AS letter_part,
  -- 提取数字后缀，通过类型转换自动去除前导零
  cast(cast(regexp_extract(your_col, '([0-9]+)$', 1) AS BIGINT) AS STRING) AS number_part,
  -- 拼接最终结果
  concat(
    regexp_extract(your_col, '^([A-Za-z]+)', 1),
    cast(cast(regexp_extract(your_col, '([0-9]+)$', 1) AS BIGINT) AS STRING)
  ) AS processed_col
FROM your_table;

注意事项：

• 该方案利用数值类型自动忽略前导零的特性实现去零，逻辑直观
• 如果数字段长度超过19位（超过BIGINT最大值范围），不要用该方案，避免数值溢出，优先选择前面的正则替换方案

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