hive中灵活运用正则表达式处理字段

• 匹配前面的子表达式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,}。

• 匹配前面的子表达式一次或多次。例如，‘zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。
  {n} n 是一个非负整数。匹配确定的 n 次。例如，‘o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o。

hive中可是使用正则表达式相关的函数有：
REGEXP：与like字符类似，功能更强大；
REGEXP_REPLACE：与replace函数类似，功能更强大；

创建如下表：regexp_test(string1);
字段值如下：
string1
16857845258
13856895874
13647148565
15825487565
12453654
12306
95548
95547
4004844258
a124s14d25
sq457w451
12345@
1574@1577
10271741@qq.com
158876@163.com
010-88625458
{1:2,3:5}
ten123c5e7nt

首先来说说regexp的用法：
如果想要找出表中的手机号码、邮箱、电话号码，这时候我们用like就基本很难实现了，like欠缺的是数字匹配、字符匹配还有字符长度的问题，当然你可以用无数个_来标识个数，但是很困难也很容易出错，这时用正则可以很简单的匹配这些；
手机号码：第一位数为1，第二位为3/5/8，之后九位就是随意排布了，正则表达式为：’^1[358][0-9]{9}’；
SELECT string1
from regexp_test
where string1 regexp ‘^1[3|5|8][1-9]{9}’

结果：
序号 string1
1 13856895874
2 13647148565
3 15825487565

regexp_replace函数：
把字符串中的数字全部换成空值：
SELECT string1,regexp_replace(string1,’[1-9]’,’’)
from regexp_test；
结果：

日常中字符的处理掌握正则以后就将变得很简单了。