Hive/Impala正则提取：从可变数量key-value对中提取key值

刚好碰到过类似的需求，给你整理两个实用的方案来解决这两个提取问题，尤其是第二个要适配任意数量key的情况：

1. 提取文本开头至第一个'-'的首个单词 #

这个需求比较直接，用简单的正则分组就能搞定，核心是匹配开头到第一个'-'之间的所有非'-'字符：

-- 示例：提取"abc-bca/abc.s-13:13:13/any-x/keyn-1"中的"abc"
SELECT regexp_extract(your_column_name, '^([^-]+)-', 1) AS first_word
FROM your_table;

正则解释： #

• ^：匹配字符串开头
• ([^-]+)：捕获分组1，匹配任意非'-'的字符（直到遇到第一个'-'为止）
• -：匹配第一个'-'，作为终止符

2. 提取所有位于'/'与'-'之间的单词（适配任意数量） #

原来的固定分组正则只能处理固定数量的key，要适配任意数量，我们需要结合regexp_replace先把所有目标内容提取并拼接，再按需处理：

方案1：提取为空格分隔的字符串 #

如果需要把所有匹配的单词用空格连起来（比如示例中的"abc.s any keyn"），可以用以下语句：

-- 示例：提取所有'/'与'-'之间的单词
SELECT 
  trim(regexp_replace(your_column_name, '^.*?-|/([^-]+)-.*?(?=/|$)|-[^/]*$', '$1 ')) AS middle_words
FROM your_table;

正则替换逻辑解释： #

我们通过三次匹配替换，只保留需要的内容：

• ^.*?-：匹配从开头到第一个'-'的所有内容，替换为空（去掉开头不需要的部分）
• /([^-]+)-.*?(?=/|$)：匹配/开头，捕获/和-之间的非'-'字符（分组1），然后跳过-到下一个/或字符串结尾的内容，替换为分组1 + 空格
• -[^/]*$：匹配最后一个-到字符串结尾的内容，替换为空（去掉末尾不需要的部分）
• 最后用trim()去掉首尾多余的空格

方案2：拆分为多行记录 #

如果需要把每个匹配的单词单独成行（方便后续分析），可以结合split和explode：

SELECT 
  first_word,
  middle_word
FROM (
  SELECT 
    regexp_extract(your_column_name, '^([^-]+)-', 1) AS first_word,
    -- 先提取为空格分隔的字符串，再拆分成数组
    split(trim(regexp_replace(your_column_name, '^.*?-|/([^-]+)-.*?(?=/|$)|-[^/]*$', '$1 ')), ' ') AS middle_words_arr
  FROM your_table
) t
-- 把数组拆分成多行
LATERAL VIEW explode(middle_words_arr) exploded AS middle_word;

这个方案不管你的字符串里有多少个/和-组成的key，都能全部提取出来，完全适配任意数量的场景。

内容的提问来源于stack exchange，提问作者user3753950