本文介绍了正则表达式的基础知识，包括匹配符号、元字符和限定符的使用。在实际生产环境中，如Hive中，可以利用regexp_replace函数去除字符串中的异常不可见字符，或者通过正则表达式确保字段只包含特定字符类型，如英文、数字或中文。同时，文章展示了如何使用rlike和REGEXP函数检查字符串是否包含特定模式。
前置知识
1.常见匹配符号
. ：匹配所有单个字符，除了换行符（Linux 中换行是 \n，Windows 中换行是 \r\n）
^regex ： 正则必须匹配字符串开头
regex$ ：正则必须匹配字符串结尾
[abc] ： 复选集定义，匹配字母 a 或 b 或 c
[abc][vz] ：复选集定义，匹配字母 a 或 b 或 c，后面跟着 v 或 z
[^abc] ：当插入符 ^ 在中括号中以第一个字符开始显示，则表示否定模式。此模式匹配所有字符，除了 a 或 b 或 c
[a-d1-7] ：范围匹配，匹配字母 a 到 d 和数字从 1 到 7 之间，但不匹配 d1
XZ ： 匹配 X 后直接跟着 Z
X|Z ：匹配 X 或 Z
2 .元字符
元字符是一个预定义的字符。
\d ：匹配一个数字，是 [0-9] 的简写
\D ：匹配一个非数字，是 [^0-9] 的简写
\s ：匹配一个空格，是 [ \t\n\x0b\r\f] 的简写
\S ：匹配一个非空格
\w ：匹配一个单词字符（大小写字母、数字、下划线），是 [a-zA-Z_0-9] 的简写
\W ：匹配一个非单词字符（除了大小写字母、数字、下划线之外的字符），等同于 [^\w]
- 限定符
限定符定义了一个元素可以发生的频率。
<
最低0.47元/天 解锁文章
扫一扫
5787
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
