我有一列包含很多不一致的字符串。其中一些包含具有一致模式的子字符串'2015mmdd_AB_CD_EFG_(text)_(text)_HIJ'我想提取它。我觉得这是正则表达式和子字符串命令的交叉情况。
到目前为止我最好的方法是相当丑陋的
substring(col_name, '........_.._.._..._.+_.+_...')
它不会根据需要结束输出，而是输出类似于“(...)_HIJ_blablabla”。
在这种情况下，如何有效地将模式识别和子串选择结合起来？
假如说2015mmdd实际上意味着某种“日期”，因此真实数据包含例如20150713以下将做：
substring(col_name, '[0-9]{8}_[A-Z]{2}_[A-Z]{2}_[A-Z]{3}_\([a-z]+\)_\([a-z]+\)')
这将返回以 8 个数字开头，后跟一个下划线，后跟两个大写字符，后跟一个下划线，后跟两个大写字符，再后跟一个下划线，后跟三个大写字符，后跟一个下划线，后跟一个左括号，最后跟 at租用一个小写字母，后跟一个右括号，后跟一个下划线，后跟一个左括号，后跟至少一个小写字符，最后跟一个右括号。
If 2015mmdd确实意味着2015后面跟着字符串mmdd那么你需要这个：
substring(col_name, '[0-9]{4}mmdd_[A-Z]{2}_[A-Z]{2}_[A-Z]{3}_\([a-z]+\)_\([a-z]+\)')
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
