HBase中正则过滤表达式与JAVA正则表达式不一致问题的分析和解决

HBase提供了丰富的查询过滤功能。

比如说它提供了RegexStringComparator这样的函数，可以实现按照正则表达式进行过滤。它可以有效地弥补向前缀查询这样的机制，从而可以使hbase也支持了类似于like查询之类的功能。

然而在实践过程中，很多人都会遇到一个问题，对于里面的正则表达式没有过于详细的介绍，一直以为是直接从JAVA等一些标准的正则表达式演化过来。直接拿过来用就可以。

但是，这只是美好的猜测而已。

如stackoverflow上的这篇问题一样。http://stackoverflow.com/questions/13997794/java-regular-expression-for-hbase-scan-filter-not-working。

如现在想对一串数字字符进行查询，如201609282222633_1333222222_22222，

如果直接照用JAVA的正则表达式如“^20160928+\\d{6}_133\\d{4,}_\\d{0,}$"，这样在JAVA中肯定可以快速编译通过，然而在hbase查询中却通不过。

经过一番认真查看，才发现HBASE中的正则表达式略微有些区别。

最重要还是其源码中自带的一个小例子。如

* ValueFilter vf = new ValueFilter(CompareOp.EQUAL,
	* new RegexStringComparator(
	* // v4 IP address
	* "(((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.){3,3}" +
	* "(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?))(\\/[0-9]+)?" +
	* "|" +
	* // v6 IP address
	* "((([\\dA-Fa-f]{1,4}:){7}[\\dA-Fa-f]{1,4})(:([\\d]{1,3}.)" +
	* "{3}[\\d]{1,3})?)(\\/[0-9]+)?"));
	* </pre>
	*/

这个类的源码中对于IP地址的查询中，发现其\\d这样的字符的设置加了一个方括号，加上，果然顺利通过。