Hive split字符串取除末项内容时点号分割方案失效原因咨询

失效原因 #

• 正则元字符未转义：.是正则语法中的特殊元字符，默认匹配除换行符外的任意单个字符，你直接将分隔符替换为.写入正则时，它不会匹配字面值的点号，而是匹配任意字符，直接导致匹配逻辑完全不符合预期。如果要匹配字面量点号，需要加转义符处理。
• 原正则逻辑本身存在缺陷：你当前使用的^(.*?)(?:,)(.*)$用了非贪婪匹配.*?，只会匹配到第一个分隔符的位置，取分组2得到的是第一个分隔符之后的所有内容，根本不是「去掉最后一项」的结果，你之前用逗号时的运行正确只是巧合，本身逻辑不满足需求。

正确实现方案 #

要实现「删除最后一个分隔符及之后的内容，保留前面所有部分」，应该用贪婪匹配规则实现：

1. 逗号作为分隔符的写法：

select regexp_extract('test,data,fd,dfd','^(.*),.*$', 1) from tablename;

执行后返回结果为test,data,fd，符合需求。
2. 点号作为分隔符的写法，注意要对.做双重转义（Hive字符串中\本身需要转义）：

select regexp_extract('193.54.23.456','^(.*)\\..*$', 1) from tablename;

执行后返回预期结果193.54.23。

内容的提问来源于stack exchange，提问作者INAM