蜂巢中的regexp_extract參數

Question

大括號中的參數在下面的代碼段中做了什麼？

regexp_extract(col_value, '^(?:([^,]*)\,?){1}', 1) Id, 
regexp_extract(col_value, '^(?:([^,]*)\,?){2}', 1) Score, 
regexp_extract(col_value, '^(?:([^,]*)\,?){9}', 1) DisplayName, 

Answer 1

正如你可以閱讀here，大括號包含了多少次前的道理，在這種情況下non-capturing group，可重複。

該組包含由非逗號字符組成的（可能爲空的）capturing group，後跟可選的逗號。由於花括號中只有一個數字，所以非捕獲組必須重複該次數。

我不知道爲什麼逗號應該被反斜槓轉義。在我看來，反斜槓是沒有必要的。

警告：我不知道Hadoop或Hive，我所有關於regexp_extract的知識都來自this page。

這些正則表達式的目的是匹配逗號分隔列表中的第一個，第二個和第九個元素，其中捕獲組＃1（由第三個參數regexp_extract選擇）只返回其最後一個匹配項。當然，除了最後一個元素之外，逗號並不是真正的可選項。