Hive常用正则表达式的运用
在实际的应用中,通常需要在一些复杂的、没有规律的字符串中提取数据,这时候就需要用到正则表达式了,这次讲一下hive的正则表达式。
like
语法: A like B
说明:如果字符串A符合表达式B的正则语法,则为true,否则为flase。B中字符"_"表示任意单个字符,而字符"%"表示任意数量的字符。
例子:select 'AA123' like 'AA%';
结果:true
例子:select 'AAbbbbcccc' like '_A%';
结果:true
rlike
语法: A rlike B
说明:如果字符串A符合JAVA正则表达式B的正则语法,则为TRUE,否则为FALSE。
例子:select 'AAbbbbcccc' rlike 'AA';
结果:true
regexp
语法: A REGEXP B
说明:用法和rike一样
例子:select 'AAbbbbcccc' regexp 'AA';
结果:true
regexp_replace
语法: regexp_replace(string A, string B, string C)
说明: 将字符串A中的符合java正则表达式B的部分替换为C
例子:select regexp_replace('AA123bbcccc' ,'123','o');
结果:AAobbcccc
regexp_extract
语法: regexp_extract(string A, string pattern, int index)
说明:将字符串A按照pattern正则表达式的规则拆分,返回index指定的字符,index从1开始计。
- 0是显示与之匹配的整个字符串
- 1 是显示第一个括号里面的
- 2 是显示第二个括号里面的字段
- 3,4,5.....依次类推
例子:select regexp_extract('AA123bbcccc' ,'A{2}([1-9]{3})([a-z]{6})',0);
结果:AA123bbcccc
例子:select regexp_extract('AA123bbcccc' ,'A{2}([1-9]{3})([a-z]{6})',2);
结果:bbcccc
基础语法 "^([]{})([]{})([]{})$"
正则字符串 = "开始([包含内容]{长度})([包含内容]{长度})([包含内容]{长度})结束"
常用元字符的使用:
元字符 |
描述 |
\ |
转义字符。例如,“\n”代表换行符,如果想表示"\n"这个字符串,需要使用"\\n"来表示,也就是说"\\"代表字符"\" |
^ |
匹配输入字行首。"^a"代表以a开头的任意字符串 |
$ |
匹配输入行尾。"a$"代表以a结尾的任意字符串 |
* |
匹配前面的子表达式0次或多次。例如,ab*能匹配a,ab,abb,abbbb等等,等价于{0,} |
|
匹配前面的子表达式一次或多次(大于等于1次)。例如,“ab ”能 匹配ab,abb,abbbb等等。等价于{1,} |
? |
匹配前面的子表达式零次或一次。例如,“ab?”可以匹配ab,abb,等价于{0,1}。当该字符紧跟在任何一个其他限制符(*, ,?,{n},{n,},{n,m})后面时,匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串,而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如,对于字符串“oooo”,“o ”将尽可能多地匹配“o”,得到结果[“oooo”],而“o ?”将尽可能少地匹配“o”,得到结果 ['o', 'o', 'o', 'o'],等价于{0,1} |
{n} |
n是一个非负整数。匹配确定的n次。例如,“a{2}”不能匹配到aa。 |
{n,} |
n是一个非负整数。至少匹配n次。例如,“a{2,}”能匹配“aa,aaa等等。“a{1,}”等价于“a ”,“a{0,}”则等价于“a*”。 |
{n,m} |
m和n均为非负整数,其中n<=m。最少匹配n次且最多匹配m次。例如,“a{1,3}”将匹配“aoooood”中的前三个o为一组,后三个o为一组。“a{0,1}”等价于“a?”。请注意在逗号和两个数之间不能有空格。 |
. |
匹配除“\n”和"\r"之外的任何单个字符。要匹配包括“\n”和"\r"在内的任何字符,请使用像“[\s\S]”的模式。 |
_ | 匹配任意单个字符,例如:_a 能匹配到任何第二个字符为a的,如aa,ba等等 |
x|y |
匹配x或y。例如,“z|food”能匹配“z”或“food”。 “[z|f]ood”则匹配“zood”或“food”。 |
[xyz] |
字符集合,匹配所包含的任意一个字符。 例如,“[abc]”可以匹配“plain”中的“a”。 |
[^xyz] |
负值字符集合。匹配未包含的任意字符。例如“[^abc]”可以匹配“plain”中的“plin”任一字符。 |
[a-z] |
字符范围,匹配指定范围内的任意字符。例如,“[a-z]”可以匹配 “a”到“z”范围内的任意小写字母字符。注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身. |
[^a-z] |
负值字符范围。匹配任何不在指定范围内的任意字符。例如,“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。 |
\d |
匹配一个数字字符。等价于[0-9]。 |
\D |
匹配一个非数字字符。等价于[^0-9]。 |
\n |
匹配一个换行符。 |
\r |
匹配一个回车符。 |
\s |
匹配任何不可见字符,包括空格、制表符、换页符等等。 等价于[ \f\n\r\t\v]。 |
\S |
匹配任何可见字符。等价于[^\f\n\r\t\v]。 |
\t |
匹配一个制表符。 |
\v |
匹配一个垂直制表符。 |
\w |
匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”, 这里的"单词"字符使用Unicode字符集。 |
\W |
匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。 |
( ) |
将( 和 ) 之间的表达式定义为“组”(group),并且将匹配这个表达式的字符保存到一个临时区域(一个正则表达式中最多可以保存9个),它们可以用 \1 到\9 的符号来引用。 |
其他
汉字:[\u4e00-\u9fa5]
身份证号(15位、18位数字),最后一位是校验位,可能为数字或字符X:(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)
日期格式:^\d{4}-\d{1,2}-\d{1,2}
两位小数正数:[0-9] (.[0-9]{2})
26个英文字母组成的字符串:[A-Za-z]
数字和26个英文字母组成的字符串:[A-Za-z0-9]
Email地址:w [- .]w )*@w ([-.]w )*.w ([-.]w )*$
手机号码:^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhgffcgg
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
excel下划线不显示怎么办
PHP中文网 06-23 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
怎样阻止微信小程序自动打开
PHP中文网 06-13 -
TikTok加速器哪个好免费的TK加速器推荐
TK小达人 10-01