如何使用Hive等效Oracle regexp_extract的功能拆分bizunit字段提取目标信息

Hive 原生提供的regexp_extract函数与 Oracle 的regexp_extract功能完全一致，可直接用于正则捕获提取指定内容；如果字段是固定分隔符拼接的结构，也可以搭配split函数实现更简洁的提取，两个函数的定义如下：

• regexp_extract(string 待匹配字符串, string 正则表达式, int 分组序号)：通过正则分组捕获内容，分组序号从1开始对应正则中第N个括号的捕获结果，为0时返回整个正则匹配的全量内容。
• split(string 待切割字符串, string 分隔符)：按指定分隔符将字符串切割为数组，数组下标从0开始，直接取下标即可获得对应位置的内容。

你提供的bizunit字段是固定-分隔的结构，两种实现方式如下：

方式1：使用regexp_extract实现（逻辑和Oracle写法完全一致） #

SELECT
  bizunit,
  regexp_extract(bizunit, '^([^-]+)-([^-]+)-([^-]+)-.*$', 1) AS region,
  regexp_extract(bizunit, '^([^-]+)-([^-]+)-([^-]+)-.*$', 2) AS `business unit`,
  regexp_extract(bizunit, '^([^-]+)-([^-]+)-([^-]+)-.*$', 3) AS country
FROM 你的业务表名;

方式2：使用split实现（写法更简洁，适合固定分隔符场景） #

SELECT
  bizunit,
  split(bizunit, '-')[0] AS region,
  split(bizunit, '-')[1] AS `business unit`,
  split(bizunit, '-')[2] AS country
FROM 你的业务表名;

两种写法返回的结果完全一致，对应你提供的测试数据输出如下：

内容的提问来源于stack exchange，提问作者ARCuber