Hive-如何从不同格式的字符串中提取数据

Question

Hi-iam正在尝试使用regex函数从字符串中提取日期。如何在日期格式从mm/dd/yyyy更改为mm/dd/yy时动态提取日期。下面的regexp适用于mm/dd/yyyy格式。如果我的字符串同时具有这两种格式，并且我想动态提取日期，该怎么办。

string1="2021航班5附件固定装置：在2021年7月25日至2021年8月7日之间交付"以下功能正常工作。

string1="2021航班5附件固定装置：在7/25/21和8/7/21之间交付"如何在两种情况下提取if 2日期。

regexp_extract(string1, '^.*(\d{1,2}/\d{1,2}/\d{4}).*(\d{1,2}/\d{1,2}/\d{4})',1) date1,
regexp_extract(string1, '^.*(\d{1,2}/\d{1,2}/\d{4}).*(\d{1,2}/\d{1,2}/\d{4})',2) date2

Answer 1

使用CASE表达式检查不同的格式并进行相应的解析。两位数的年份是一种糟糕的做法，但如果你已经有了这样的数据，那么就什么都不用做了，这是解析不同格式的常见方法-CASE表达式：

演示：

with mytable as (
select '2021 Flight 5 Accessory Fixtures: DELIVER BETWEEN 7/25/2021 and 8/7/2021' string1 union all
select '2021 Flight 5 Accessory Fixtures: DELIVER BETWEEN 7/25/21 and 8/7/21'
)
select case when string1 rlike '(?i)BETWEEN (\d{1,2}/\d{1,2}/\d{4})'
then date(from_unixtime (unix_timestamp(regexp_extract(string1, '(?i)BETWEEN (\d{1,2}/\d{1,2}/\d{4})',1),'MM/dd/yyyy')
))

when string1 rlike '(?i)BETWEEN \d{1,2}/\d{1,2}/\d{2} '
then date(from_unixtime (unix_timestamp(regexp_extract(string1, '(?i)BETWEEN (\d{1,2}/\d{1,2}/\d{2})',1),'MM/dd/yy')
))
end date1,
case when string1 rlike '(?i)AND (\d{1,2}/\d{1,2}/\d{4})'
then date(from_unixtime (unix_timestamp(regexp_extract(string1, '(?i)AND (\d{1,2}/\d{1,2}/\d{4})',1),'MM/dd/yyyy')
))

when string1 rlike '(?i)AND \d{1,2}/\d{1,2}/\d{2}'
then date(from_unixtime (unix_timestamp(regexp_extract(string1, '(?i)AND (\d{1,2}/\d{1,2}/\d{2})',1),'MM/dd/yy')
))
end date2
from mytable

结果：

date1       date2   
2021-07-25  2021-08-07
2021-07-25  2021-08-07

在两位数年份的情况下，unix_timestamp函数将猜测丢失的数字：7/25/21解析为2021-07-25，7/25/98解析为1998-07-25。@PanagiotisKanavos在评论中提到，这种猜测可能存在错误。