Función regexp_extract

Se aplica a:casilla marcada como Sí Databricks SQL casilla marcada como Sí Databricks Runtime

Extrae la primera cadena de str que coincide con la expresión regexp y corresponde al índice de grupo regex.

Sintaxis

regexp_extract(str, regexp [, idx] )

Argumentos

  • str: expresión STRING que se va a comparar.
  • regexp: expresión STRING con un patrón de comparación.
  • idx: expresión de número entero opcional mayor o igual que 0 con valor predeterminado de 1.

Devoluciones

STRING.

Si str, regexpo idx es NULL, el resultado es NULL. Si regexp no coincide con ninguna parte de str, el resultado es una cadena vacía. Si el patrón general coincide, pero el grupo especificado por idx no participa en la coincidencia, el resultado es una cadena vacía.

La cadena regexp debe ser una expresión regular Java. Consulte Java regex patterns para obtener la sintaxis admitida.

Al usar literales, utilice raw-literal (prefijo r) para evitar el procesamiento previo de caracteres de escape.

regexp puede contener varios grupos. Los grupos de captura se definen mediante la inclusión de parte del patrón entre paréntesis (...). idx indica qué grupo de expresiones regulares se va a extraer. Un valor idx de 0 significa una coincidencia con toda la expresión regular. El valor predeterminado de idx es 1, lo que significa que se devuelve el primer grupo de captura cuando idx se omite.

Si idx es mayor que el número de grupos de captura definidos en regexp, Databricks genera un error.

Solo se considera la primera coincidencia de regexp en str . Para extraer todas las coincidencias, use regexp_extract_all.

Condiciones de error comunes

Ejemplos

Extracción de grupos de captura específicos

> SELECT regexp_extract('100-200', '(\\d+)-(\\d+)', 1);
 100

> SELECT regexp_extract('100-200', '(\\d+)-(\\d+)', 2);
 200

Use idx 0 para devolver toda la coincidencia

> SELECT regexp_extract('Order: 100-200', '(\\d+)-(\\d+)', 0);
 100-200

Idx predeterminado es 1

Cuando idx se omite, se devuelve el primer grupo de captura.

> SELECT regexp_extract('abc123def', '([a-z]+)(\\d+)');
 abc

Ninguna coincidencia devuelve una cadena vacía

> SELECT regexp_extract('hello world', '(\\d+)', 1);

La entrada NULL devuelve NULL

> SELECT regexp_extract(NULL, '(\\d+)', 1);
 NULL

Uso de literales de cadena sin formato para evitar el escape doble

En una cadena SQL normal, las barras diagonales inversas deben duplicarse (\\d para significar \d). Use el r prefijo para los literales de cadena sin formato para escribir patrones de forma más natural.

> SELECT regexp_extract('abc123', r'(\d+)', 1);
 123

Extracción de un dominio de una dirección URL

> SELECT regexp_extract('https://www.databricks.com/product', r'https?://([^/]+)', 1);
 www.databricks.com

Extracción de un componente de una cadena de fecha

> SELECT regexp_extract('Event on 2024-03-15', r'(\d{4})-(\d{2})-(\d{2})', 0);
 2024-03-15

> SELECT regexp_extract('Event on 2024-03-15', r'(\d{4})-(\d{2})-(\d{2})', 2);
 03

Grupo de captura opcional que no participa en la coincidencia

Cuando un grupo es opcional y no coincide, se devuelve una cadena vacía para ese grupo.

> SELECT regexp_extract('ac', r'(a)(b)?(c)', 2);

Patrón regex no válido

> SELECT regexp_extract('abc', '[invalid', 0);
  Error: INVALID_PARAMETER_VALUE.PATTERN
  • Last updated on