Hive split函数支持多种格式解析

许多人可能认为 Hive 的 split 函数只能处理单一分隔符，但实际上，通过正则表达式，它可以灵活应对多种格式的分隔符。默认情况下，split 确实只匹配单分隔符，但当你传入一个正则表达式时，它便能同时识别多种符号。

举例来说，假设你有一个文本文件，其中逗号、分号和冒号混合用作字段分隔符。传统方式可能需要多次替换或嵌套处理，而使用 split 配合正则表达式，一行代码即可完成：

SELECT split(column_name, '[,;:]') as split_column FROM table_name;

这里的 [,;:] 是正则表达式中的字符集写法，表示匹配逗号、分号或冒号中的任意一个。split 函数会以这些符号为边界，将字符串拆分为数组。之后，你可以通过索引（例如 split_column[0]）获取数组中的某个元素。这种方法在实际数据清洗中非常实用，尤其适用于日志文件或 CSV 变体格式。提醒一下：正则表达式越精确，结果越可靠，但也要注意转义字符可能带来的小陷阱。