我是大数据领域的新手，刚刚开始学习。我在hive中有一个tweets表，在它的文本字段中，许多记录包含超链接。我想删除这些超链接，但我不能这样做。由于配置单元中不支持charindex和其他用于此目的的sql函数，即使在搜索了很多之后，我也找不到任何线索。我试着用regexp\u replace来做，但是它给了我“索引超出范围”的错误，这意味着我可能没有编写正确的regexp。这是我的疑问 SELECT text, regexp_replace (text, '(https.*)', '') FROM tweets; 任何帮助都将不胜感激。
1条答案
按热度按时间r6vfmomb1#
regexp_replace是一种合适的方法，但是您的正则表达式将被解释为“在第一次出现https使用空字符串”。在这种情况下，不需要括号，regexp模式需要更完整地定义要删除的url的模式，很可能是通过查找https后面的第一个空格字符。请注意，regexp在默认情况下是“贪婪的”，因此https.*（后面有空格）.*)将查找其中最长的字符串text以一个空格开始。通过添加一个？通配符模式，比如https.*?. 另外，请记住，url可能不是在所有情况下都有一个空格，可能是https，也可能不是https，但肯定会包含一个//:. 使用诸如rubular这样的站点来处理regexp，然后在查询正常工作时将其添加到查询中。最后，您可能不应该在函数so后面加空格，而不是
regexp_replace (...做regexp_replace(...