regexp_extract是否适用于多种模式?-Spark SQL [英] Does regexp_extract work for multiple patterns?-Spark sql

问题描述

模式1:由|

Input : a|b|c|d     
Output: a|b|c|d 

由单个管道分隔时，选择所有内容

Pick everything when delimited by a single pipe

模式2:由|分隔和||
示例1:

Pattern 2:Delimited by | and ||
Example1:

Input :a|b||c||d       
Output:a|b||c   

在最后一个双管道之前选择所有内容

Pick everything before last double pipe

示例2:

Input :a|b||c|d     
Output:a|b   

模式3:字符串的开头可以有多个管道(奇数或偶数)，并进一步由|分隔.和||

Input :|||a|b||c||d     
Output:|||a|b||c 

在最后一个双管道之前选择所有内容，字符串的开头可能具有奇数或偶数管道，因此必须选择它们.

Pick everything before last double pipe ,beginning of the string might have odd or even pipes and they must be selected.

以下内容涵盖了场景1之外的所有内容，我的要求是将所有场景都包含在一个 regexp_extract spark.sql("select regexp_extract('name | place | thing | ink'，'(.*)(?=\\\\ | \\\\\ |)')为演示").show(false)

Below covers all except scenario 1,My requirement is to cover all scenarios in one regexp_extract spark.sql("select regexp_extract('name|place|thing|ink', '(.*)(?=\\\\|\\\\|)') as demo").show(false)

如果不能一次通过regexp_extract完成.您能建议其他选择吗?

If it can not be done in one regexp_extract.Can you suggest other options.

请告知.

推荐答案

使用以下RegEx:

^(\|*(?:(?!\|\|(?!.*\|\|)).)*)

请参见 RegEx演示，其中显示了所有匹配项

See the RegEx Demo showing all the matches

这是一个相当复杂的要求，需要在回火模式中使用贪婪的令牌以及否定的超前使用.让我解释一下以下逻辑:

This is a rather complicated requirement and requires the use of Tempered Greedy Token together with Negative Lookahead within the Tempering pattern. Let me explain the logics below:

• ^ 仅从字符串开头开始匹配
• (...)将整个模式括在 ^ 之后，使其成为捕获组
• \ | * ，要求模式3开头必须与多个 | 匹配(因此请使用贪婪的 * )
• (?:(?！...).)* 这是脾气贪婪令牌的主要构造(骨架)，我将在下面解释其详细信息:
• \ | \ |(?！.* \ | \ |)，这是脾气暴躁令牌的主体(核心).()的第一部分是确保字符匹配，但不包括模式 || .第二部分(?！.* \ | \ |)是为了确保按照要求，在第一部分的 ||| 模式之后没有其他任何双管道 ||| .

• ^ to match only from the beginning of string
• (...) enclose the entire pattern after ^ to make it a capturing group
• \|* for the requirement of Pattern 3 to match the multiple | at the beginning, as many as possible (hence use greedy *)
• (?:(?!...).)* this is the main construct (skeleton) of Tempered Greedy Token whose details I will explain below:
• \|\|(?!.*\|\|) this is the main body (core) of the Tempered Greedy Token. The first part before ( is to ensure the characters match up to but not including the pattern || The second part (?!.*\|\|) is to ensure the || pattern in the first part is not followed by any other double pipes || somewhere after, as per the requirement.

事实上，我认为这个问题很有趣，并且需要RegEx的复杂功能来支持它.这也是我到目前为止看到的第一个示例，该示例要求在脾气暴躁的令牌构造中使用负前瞻.

In fact, I think the question is quite interesting and requires sophisticated features of RegEx to support it. This is also the first example I seen so far that requires a Negative Lookahead within a Tempered Greedy Token construct.

这篇关于regexp_extract是否适用于多种模式?-Spark SQL的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！