1、关于正则表达式的四个函数,如下
REGEXP_LIKE (匹配)
REGEXP_INSTR (包含)
REGEXP_REPLACE (替换)
REGEXP_SUBSTR (提取)
2、在做正则时,做匹配的可能比较多,因此需要了解匹配字符定位
1:定位元字符
元字符 | 说明 |
---|---|
^ | 使表达式定位至一行的开头 |
$ | 使表达式定位至一行的末尾 |
2、 匹配问题,关于量词或重复操作符
3、表达式的替换匹配和分组
以最近清洗手机号码为例,判断手机号是四大运营商还是固话,做区分匹配规则
REGEXP_LIKE(tel , ‘^ 1[3|4|5|6|7|8|9] [0-9]{9}$’
^ 表示开始
$ 表示结束
[]内部为匹配范围
以 1 开头,
紧接着第二位是 3 | 4|5|6|7|8|9 或的关系
后面9位数字 是 0-9 任意一个数字均可
一共十一位
4、题外补充hive数仓的匹配
Hive正则匹配函数
regexp_extract
语法: regexp_extract(string subject, string pattern, int index)
返回值: string
说明: 将字符串subject按照pattern正则表达式的规则拆分,返回index指定的字符。
第一参数: 要处理的字段
第二参数: 需要匹配的正则表达式
第三个参数:
0是显示与之匹配的整个字符串
1 是显示第一个括号里面的
2 是显示第二个括号里面的字段…
因为在数据处理过程中,会经常用到,只是不同数仓,可能函数有些许差别,记录一下,备不时之需