regexp_extract用法

regexp_extract用法

regexp_extract是Apache Spark SQL中的字符串处理函数之一，用于根据正则表达式从字符串中提取匹配的子串。其语法如下：

regexp_extract(str, regex, idx)

其中，str为要匹配的字符串；regex为正则表达式；idx为要提取的匹配子串的索引（可选，默认为1）。该函数返回匹配的子串，若没有匹配则返回空字符串。

例如，使用regexp_extract函数提取字符串中的数字：

SELECT regexp_extract('abc123', 'd+', 0)

返回结果为123。

同时，regexp_extract还可以结合其他函数或表达式实现更为复杂的操作，例如，使用CASE WHEN语句根据正则表达式匹配结果进行不同的处理：

SELECT CASE WHEN regexp_extract(str, 'd+') > 100 THEN '大于100' ELSE '小于等于100' END

此外，regexp_extract还支持一些常见的正则表达式元字符和限定符，如d（匹配数字字符）、w（匹配任意字母、数字或下划线）、*（匹配0或多个前面的字符）等等。需要注意的是，正则表达式的写法需要符合Java正则表达式语法的规则。