如何在Hive中使用RegEx函数从字符串字段中提取日期

核心使用Hive内置regexp_extract函数实现，适配M/d/yyyy或MM/dd/yyyy格式的日期提取。

实现代码 #

假设源表为test_table，存储待处理字符串的字段为content_str，查询逻辑如下：

SELECT
  -- 提取第一个匹配的日期
  regexp_extract(content_str, '.*?(\\d{1,2}/\\d{1,2}/\\d{4})', 1) AS Date1,
  -- 提取第二个匹配的日期
  regexp_extract(content_str, '.*?(\\d{1,2}/\\d{1,2}/\\d{4}).*?(\\d{1,2}/\\d{1,2}/\\d{4})', 2) AS Date2
FROM test_table;

如果需要输出你示例中带前缀的格式，用concat拼接即可：

SELECT
  concat('Date1 : ', regexp_extract(content_str, '.*?(\\d{1,2}/\\d{1,2}/\\d{4})', 1)) AS Date1,
  concat('Date2 : ', regexp_extract(content_str, '.*?(\\d{1,2}/\\d{1,2}/\\d{4}).*?(\\d{1,2}/\\d{1,2}/\\d{4})', 2)) AS Date2
FROM test_table;

规则说明 #

• 正则中\\d{1,2}匹配1-2位数字，兼容单数字的月份/日期，比如7/26/2021、8/6/2021、12/10/2021都可以正常匹配
• .*?是非贪婪匹配，避免字符串前半部分的内容吃掉要提取的目标日期

拿你提供的示例字符串测试，输出结果和要求完全一致。

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