HIVE RegexSerDe使用详解

通常情况下，hive导入的是单一分割符的数据。如果需要导入格式复杂一点的data，可以使用hive自导的RegexSerDe来实现。

RegexSerDe类是hive自带的，使用正则表达式来支持复杂的data导入。

在hive0.11中，自带了两个RegexSerDe类：

org.apache.hadoop.hive.contrib.serde2.RegexSerDe;

org.apache.hadoop.hive.serde2.RegexSerDe;

这两个类的区别在：

org.apache.hadoop.hive.serde2.RegexSerDe; 不支持output.format.string设定，设定了还会报警~~~~

org.apache.hadoop.hive.contrib.serde2.RegexSerDe;全部支持，功能比org.apache.hadoop.hive.serde2.RegexSerDe更强大，推荐使用org.apache.hadoop.hive.contrib.serde2.RegexSerDe。

下面对RegexSerDe类的介绍都是指：org.apache.hadoop.hive.contrib.serde2.RegexSerDe

1、使用方法：

示例：

	CREATE TABLE test_serde(  
			c0 string,  
			c1 string,  
			c2 string)  
			ROW FORMAT  
			SERDE 'org.apache.hadoop.hive.contrib.serde2.RegexSerDe'  
			WITH SERDEPROPERTIES  
			( 'input.regex' = '([^ ]*) ([^ ]*) ([^ ]*)', 
			'input.regex.case.insensitive' = 'false'
			'output.format.string' = '%1$s %2$s %3$s')  
			STORED AS TEXTFILE; 

2、关键参数：

input.regex：输入的正则表达式

input.regex.case.insensitive：是否忽略字母大小写，默认为false

output.format.string：输出的正则表达式

3、注意事项：

a、使用RegexSerDe类时，所有的字段必须为string

b、input.regex里面，以一个匹配组，表示一个字段：([^ ]*)