大数据学习（十三）hive正则表达式

一、hive支持正则的函数

regexp：用法类似rlike，比如在where里面判断 A regexp B

regexp_extract：regexp_extract(string subject, string pattern, int index)，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

regexp_replace： regexp_replace(string A, string B, string C)，将字符串A中的符合java正则表达式B的部分替换为C。注意有些情况下要使用转义字符

二、正则表达式怎么写

1、元字符匹配

字符	匹配的字符
\d	从０-９的任一数字
\D	任一非数字字符
\w	任一单词字符，包括A-Z,a-z,0-9和下划线
\W	任一非单词字符
\s	任一空白字符，包括制表符，换行符，回车符，换页符和垂直制表符
\S	任一非空白字符
.	任一字符

2、边界集合

字符 l	描述
^	每一行的开头，单行模式下等价于字符串的开头
$	每一行的结尾，单行模式下等价于字符串的结尾

3、重复次数集合

贪婪模式会获取尽可能多的字符，而非贪婪模式会获取尽可能少的字符

贪婪	非贪婪	描述
*	*?	零次或多次
?	??	零次或一次
+	+?	一次或多次
{m}	{m}?	正好m次，贪婪与非贪婪一样的
{m,}	{m,}?	至少m次
{m, n}	{m, n}?	最少m最多n次

四.组合操作符

组合操作符	描述
[…]	方括号内任意字符或字符集合中的一个
[^…]	方括号内^为第一个字符时，表示与其后所有字符都不匹配的字符
( )	圆括号，将复杂表达式当作单一表达式来处理
|	或
abc	和。直接将字符连在一起写

五、匹配操作符

匹配操作符	描述
\n	即后向引用。n为1~9，标识由圆括号里取得的匹配字符串。方向是从左到右在regexp_replace函数中，允许在模式表达式和替换表达式中都使用\n

六、转义操作符

转义操作符	描述
\	将其后紧跟着的操作字符当作普通字符看待。例如 abcdef 可以匹配 abdef或abcccdef等，但无法匹配 abcdef，后者需要abc*def才能匹配