Hive split边界情况处理详解

Hive里的split函数，说白了就是拿一个分隔符去切字符串，返回一个数组。用法很直白，但边界情况一多，容易翻车。下面把这几个典型的坑和正确姿势捋一遍。

边界情况详解

1. 空字符串怎么处理？

如果输入的是空字符串，split并不会返回空数组，而是返回一个包含空字符串的数组。例如：

SELECT split('', ',') FROM table;

输出：

[" "]

这个行为跟很多编程语言不同，需要特别留意——空字符串本身也是一个元素。

2. 分隔符为空的情况

如果分隔符传了空串，split会把原始字符串拆成每个字符一个元素。比方说：

SELECT split('hive', '') FROM table;

输出：

["h", "i", "v", "e"]

这招偶尔可以用来按字符遍历，但多数情况下没人这么干。

3. 分隔符在开头或结尾

这是比较容易踩坑的地方：如果分隔符在字符串的最前面或最后面，split并不会报错，而是正常拆分，并且会在结果中保留空串（虽然例子中没显示空串，但要注意实际返回的数组长度会变）。两个例子：

SELECT split('hive:', ':') FROM table;
SELECT split(':', 'hive') FROM table;  -- 注意这里第一个参数是':'，第二个是'hive'，实际上是分隔符错位了，但语法没错

输出分别是：

["hive"]
["hive"]

要特别说明：第二个例子的写法其实是把':'当成要切的字符串，'hive'当成分隔符，所以结果只有一个元素"hive"。这里的示例容易让人混淆，实际使用中请确认参数顺序。

4. 分隔符在字符串中间

最常规的用法，老老实实把字符串切成两段：

SELECT split('hive,hive', ',') FROM table;

输出：

["hive", "hive"]

没什么好说的，就是标准行为。

5. 分隔符是正则表达式

split支持正则分隔，所以如果你用了特殊字符（比如竖线|），需要记得转义，或者干脆用正则语法。看这个例子：

SELECT split('hive|hive', '|') FROM table;

输出：

["hive", "hive"]

注意这里'|'在正则里是或的意思，但split会把它当成普通字符？实际Hive的实现中，如果分隔符里含有正则特殊字符，最好用\\转义，否则可能得到预期外的结果。上面这个例子之所以正常，是因为|作为单个字符，在split内部的正则引擎里实际上就被当作字面量了？这个细节需要验证，但稳妥的做法是：split('hive|hive', '\\|')。

总而言之，Hive的split函数对大多数边界情况都有合理的处理方式，但在空串、空分隔符、正则特殊字符这几个点上，得多留个心眼。实际开发中，建议先用SELECT试一下，确认结果符合预期再往脚本里写。