如何在Hive中用regexp_extract提取JSON payload所有status值？

嘿，我懂你的困扰——regexp_extract确实只会返回第一个匹配到的status值，要把所有出现的结果都捞出来，得换个思路，给你两个实用的方案：

方案1：正则替换+拆分+展开（兼容大部分Hive版本） #

如果你的Hive版本偏旧（低于2.1.0），可以组合regexp_replace、split和explode来实现：

SELECT 
  explode(split(regexp_replace(payload, '.*?"status":"([^"]+)".*?', '$1,'), ',')) AS Status
FROM your_table
WHERE payload LIKE '%"status"%'  -- 过滤掉不含status的行
HAVING Status != ''  -- 剔除拆分后可能出现的空字符串

原理说明： #

• regexp_replace(payload, '.*?"status":"([^"]+)".*?', '$1,')：捕获每个匹配到的status值，替换成「值+逗号」的格式，最终得到类似success,failed,pending,的字符串
• split(..., ',')：把拼接后的字符串按逗号拆分成数组
• explode(...)：将数组中的每个元素转为单独的行
• 最后加HAVING Status != ''是为了处理字符串末尾逗号导致的空元素

方案2：用regexp_extract_all（Hive 2.1.0及以上推荐） #

Hive 2.1.0及以上版本提供了regexp_extract_all函数，它会直接返回所有匹配到的结果数组，用法更简洁：

SELECT 
  explode(regexp_extract_all(payload, '(?<=status":")([^"]+)', 0)) AS Status
FROM your_table
WHERE payload LIKE '%"status"%'

原理说明： #

• regexp_extract_all(payload, '(?<=status":")([^"]+)', 0)：第二个参数是匹配正则，第三个参数0表示返回所有匹配的分组结果，直接得到包含所有status值的数组
• explode(...)：把数组展开成多行，每个status值占一行

额外提醒： #

如果你的JSON是标准的数组嵌套结构（比如[{"status":"a"},{"status":"b"}]），用JSON专用函数会更可靠，示例如下：

SELECT 
  get_json_object(item, '$.status') AS Status
FROM your_table
LATERAL VIEW explode(split(get_json_object(payload, '$[*]'), '},\\{')) temp AS item
WHERE payload LIKE '%"status"%'

但如果status分散在JSON的不同层级或无规律位置，正则的方法还是更灵活。

内容的提问来源于stack exchange，提问作者Valerie