问题描述
我正在阅读这个问题:Parse JSON Array and load into hive table。
嵌套的 json 包含多个 }
和 {
,但正则表达式模式 (?<=\\}),(?=\\{)
可以识别 json 元素。谁能解释一下这个分割函数是如何工作的?
select
split(substr('[{"a":{"c":"sss"},"w":123},{"b":2},{"r":{"c":"sss"},"w":555}]',2),'(?<=\\}),(?=\\{)')[0],split(substr('[{"a":{"c":"sss"},(?=\\{)')[1],(?=\\{)')[2]
结果是:
{"a":{"c":"sss"},"w":123} {"b":2} {"r":{"c":"sss"},"w":555}]
顺便说一句,没有[
的数组被发送到json_tuple
,比如{"a":1},{"b":2}]
。这根本不是一个 json 数组,为什么 json_tuple
可以使用它?
解决方法
REGEXP '(?<=\\}),(?=\\{)'
只在 } 和 { 之间匹配逗号,不包括大括号
(?<=\\})
是一个零宽度的lookbehind,断言字符串中当前位置之前的是}
(?=\\{)
是一个零宽度正向前瞻断言,意味着它应该是 { 在当前位置之后
因此,split 函数使用 }{ 之间的逗号将字符串拆分为数组,不包括括号。这导致这些元素的数组:
元素 0 是 {"a":{"c":"sss"},"w":123}
元素 1 是 {"b":2}
元素 2 是 {"r":{"c":"sss"},"w":555}]
在提到的答案中,explode
应用于数组,它生成包含数组元素的行。
json_tuple
接收元素(数组已经爆炸),而不是数组。是的,它是最后一个元素中的额外 ]
,最好也将其删除,json_tuple 将元素识别为结构,而不是数组,因为没有 [
。