Snowflake环境下如何将Hive的regexp_extract替换为regexp_substr
问题排查及修正方案
现有写法的错误点
- 正则匹配逻辑完全不符合需求:你写的Snowflake侧正则
\W+(\W+)中\W代表非单词字符(即字母、数字、下划线以外的字符),整个表达式的作用是捕获一段非单词字符,完全不可能匹配到REFUND这种纯字母的单词内容,所以查询返回0条结果。 - 字符串转义规则错误:Snowflake中字符串内的反斜杠需要二次转义,如果你确实要使用
\W规则,需要写为\\W才能被正则引擎正确识别,你当前的写法本身就无法解析出正确的正则规则。 - 未对齐原Hive的正则逻辑:原Hive侧
regexp_extract的核心逻辑是提取第一个捕获组的内容,你改写的正则和原Hive的(.*?)()规则完全不匹配。
正确改写方式
Hive的regexp_extract(目标字符串, 正则规则, 分组序号) 可以直接使用Snowflake的regexp_substr配合'e'参数实现等价效果,对应写法如下:
regexp_substr(subtransactionxml, '(.*?)()', 1, 1, 'e', 1) IN ('REFUND')
注:你提供的原Hive正则
(.*?)()包含空的第二个分组,逻辑上无实际业务意义,大概率是粘贴时丢失了XML标签的匹配规则,如果你实际是要提取XML中标签内的值,常规正确写法是: regexp_substr(subtransactionxml, '<transactionType>(.*?)</transactionType>', 1, 1, 'e', 1) IN ('REFUND')
内容的提问来源于stack exchange,提问作者JohnyEs
相关产品推荐
相关产品推荐

