Hive SQL中如何使用regexp_extract提取以M6开头的目标子串

可以直接使用Hive自带的regexp_extract函数完成该提取需求，无需自定义函数或引入第三方依赖。

实现逻辑 #

结合你提供的样本数据特征，所有需要提取的M6开头子串，都是以下划线作为前后分隔边界：从M6标识开始，到紧邻的下一个下划线结束，中间没有其他混杂字符。
对应匹配的正则为M6[^_]+，逻辑是：匹配以M6为开头，后续连续出现的所有非下划线字符，刚好覆盖全部需要提取的目标内容。

具体代码写法 #

假设存储目标字符串的源字段名为biz_str，提取语句为：
regexp_extract(biz_str, 'M6[^_]+', 0) AS extracted_m6_value

样本匹配效果验证 #

对照给出的4条样本，提取结果完全匹配预期：

• 源字符串HEY01230328_M6K21SG_UNO_NYC_241 → 提取值M6K21SG
• 源字符串M6EW2BJ_UNO_NYC_251 → 提取值M6EW2BJ
• 源字符串M6HW2WL_UNO_NYC_251 → 提取值M6HW2WL
• 源字符串HEY08460329_NA_M6LAB3D_UNO_NYC_241 → 提取值M6LAB3D

注意事项 #

• 当前实现完全适配你给出的样本场景，也就是单条源字符串最多包含1个M6开头的目标子串。如果后续数据场景变化，出现单条字符串存在多个符合要求的M6子串的情况，regexp_extract仅会返回第一个匹配到的内容，要提取全部匹配值的话，需要额外搭配正则拆分逻辑实现，无法单靠该函数完成
• 如果后续数据格式调整，出现M6子串后不接下划线分隔的情况，需要对应调整正则规则适配新特征，避免出现匹配错位

内容的提问来源于stack exchange，提问作者CuriousCat