hive：函数：正则：regexp_extract 匹配正则取字段中的中文或英文+其他替换用法（清洗数据）

 

 

https://blog.csdn.net/jxq0816/article/details/103033674

 

 

========英文=======
select regexp_extract("Aptamil 爱他美(德国)",'([A-Z][a-z]*(\\s|$))+', 1) filed;
返回：
Aptamil 
--匹配全英文

select * from tmp_t_cal_tmp1 where company rlike '([A-Z][a-z]*(\\s|$))+'  --\S 匹配任何非空白字符 .* 就是单个字符匹配任意次,即贪婪匹配  | 代表或

select * from tmp_t_cal_tmp1 where company rlike '[A-Z][a-z]+'



--匹配任意开头字符，且非全中文汉字   含中英括号也查出.但是除开头外后面字符含有英文的查不出
select * from tmp_t_cal_tmp1 where company rlike '[\\u4e00-\\u9fa5]+$' --and operation is null

========中文=======
--”[]”代表的是一个字符集，”^”只有在字符集中才是反向字符集的意思
--\\w等于[a-zA-Z0-9] 第一个斜杠为转义
--匹配中文开头且全中文汉字  过滤含有英文、中英括号以及特殊字符的记录
select * from tmp_t_cal_tmp1 where company