regexp_substr：正则提取子串

速查结论

regexp_substr(str, regexp) 是 Spark SQL 中用于返回字符串中匹配正则表达式的第一个子字符串的函数。

语法

regexp_substr(str, regexp)

参数说明

参数	类型	说明
str	STRING	需要搜索的源字符串表达式
regexp	STRING	表示正则表达式的字符串，应为 Java 正则表达式

示例

> SELECT regexp_substr('Steven Jones and Stephen Smith are the best players', 'Ste(v|ph)en');
 Steven
> SELECT regexp_substr('Steven Jones and Stephen Smith are the best players', 'Jeck');
 NULL

常见报错与避坑指南

• 无匹配返回 NULL：当正则表达式在字符串中未找到匹配时，函数返回 NULL。这与某些函数的空字符串返回值不同，在进行字符串拼接等操作时需要做 NULL 判断。
• 仅返回第一个匹配：与 regexp_extract_all 不同，regexp_substr 只返回第一个匹配的子字符串。如果需要所有匹配项，请使用 regexp_extract_all。
• 正则分组的影响：如果正则表达式中包含捕获组，返回值是整个匹配的字符串，而不是某个组的内容。如需提取特定组，请使用 regexp_extract 或 regexp_extract_all。

Since: 3.4.0

📱关注公众号

「数据仓库技术」文章同步更新，不错过每一篇干货

💬加群交流

备注「数据仓库技术」加入社群，每日一道大厂SQL真题