Java Pyspark SparkSQL regex在空格之前获取子字符串

我用Athena编写了一个SQL，它使用regex_extract从列中提取子字符串，它提取字符串，其中有“X10003”，并在出现空格时占用空间。例如，从

5570-站点811111-X10003-10447-XXX-20443（营地）

中提取

X10003-10447-XXX-20443

，使用雅典娜中的

REGEXP_提取（站点，'X10033.*？\w+-\d+'）

现在我正在将其转换为sparkSQL，但它不能正常工作，我应用了不同的方法，但没有任何效果，例如，我使用了表达式：

Regexp_摘录（“5570-站点811111-X10003-10447-XXX-20443（营地）”，“X10003（[^\s]+）”）

给了我

-10447-XXX-20443（营地）

，这不是我需要的

---

有人能告诉我我做错了什么吗？

扩大捕获组：

Regexp_extract("5570 - Site 811111 - X10003-10447-XXX-20443 (CAMP)", '(X10003[^\s]+)')
#                                                             here ___^

你可以用

REGEXP_摘录（站点，”（X10003.*？[A-Za-z0-9]-[0-9]+），1）

看

（X10003.*？[A-Za-z0-9]-[0-9]+）

模式是一个ID为1且匹配的捕获组

• X10003

  -文字字符串

• *？

  -除换行符以外的零个或多个字符，尽可能少

• [A-Za-z0-9]

  -字母数字字符

• -

  -连字符

• [0-9]+

  -一个或多个数字

---

它给出了X10003-10447-XXX-20443（营地）作为回应，而不是我想要的want@shzyincu：真的吗？它不应该，它应该在第一个空格前停止。它起作用了：）它也可以和RLIKE一起工作吗？@shzyncu它也应该和RLIKE一起工作。我想你甚至不需要括号，它们只是用来告诉我们要提取什么。在RLIKE中，它不提取任何内容，正则表达式只用于测试那里的匹配。