Hive如何查找数据列中符合:??:格式的标签的字符位置

Hive没有直接返回所有正则匹配结果位置的内置函数，但可以通过现有内置函数组合实现你的需求：

• 匹配你所描述的:[任意字符]:格式标签的通用正则为:[^:]+:，可以适配任意非冒号的标签值场景；如果需要严格限制两个冒号中间仅为2个字符，将正则替换为:.{2}:即可。
• 如果仅需要获取第一个匹配标签的起始位置，可以直接用instr配合regexp_extract实现：

SELECT instr(你的字符串字段, regexp_extract(你的字符串字段, '(:[^:]+:)', 1)) AS 第一个标签起始位置 FROM 你的表名;

• 如果需要返回单条记录中所有匹配标签的位置，可以结合posexplode、窗口函数实现，示例代码如下：

SELECT
    你的字符串字段,
    -- 累加计算标签在原字符串中的真实起始位置
    SUM(LENGTH(分片内容)) OVER (PARTITION BY 你的字符串字段 ORDER BY 分片序号) + 分片序号 + 1 AS 标签起始位置,
    匹配到的标签
FROM (
    SELECT
        你的字符串字段,
        pos AS 分片序号,
        part AS 分片内容,
        regexp_extract(part, '(:[^:]+:)', 1) AS 匹配到的标签
    FROM 你的表名
    -- 用正向预查正则分割字符串，保证标签单独在分片头部
    LATERAL VIEW posexplode(SPLIT(你的字符串字段, '(?=:[^:]+:)')) t AS pos, part
) tmp
WHERE 匹配到的标签 != '';

实现逻辑说明：先用正向预查的正则规则分割原字符串，保证每一个标签都会单独出现在分片内容的开头，再通过posexplode函数给每个分片加上顺序编号，最后用窗口函数累加前面所有分片的长度，计算出每个标签在原字符串中的实际起始位置。

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