hadoop big data 大数据之Hive:regexp

目录

一、正则的通配符简介1、正则表达式的符号及意义2、各种操作符的运算优先级：

二、regexp_extract函数

一、正则的通配符简介

1、正则表达式的符号及意义

符号含义实列/做为转意，即通常在"/"后面的字符不按原来意义解释如" * “匹配它前面元字符0次或多次，/a*/将匹配a,aa,aaa，加了”/"后，/a/* /将只匹配"a* ".匹配任何一个字符^匹配一个输入或一行的开头/^a/匹配"an A"，而不匹配"An a"$匹配一个输入或一行的结尾/a$/匹配"An a"，而不匹配"an A"*匹配前面元字符0次或多次/ba*/将匹配b,ba,baa,baaa+匹配前面元字符1次或多次/ba+/将匹配ba,baa,baaa?匹配前面元字符0次或1次/ba?/将匹配b,ba(x)匹配x保存x在名为$1…$9的变量中x竖y匹配x或y{n}精确匹配n次{n,}匹配n次以上{n,m}匹配n-m次[xyz]字符集(character set)，匹配这个集合中的任一一个字符(或元字符)[^xyz]不匹配这个集合中的任何一个字符/d匹配一个字数字符//d/ = /[0-9]//D匹配一个非字数字符//D/ = /[^0-9]//s匹配一个空白字符，包括/n,/r,/f,/t,/v等/S匹配一个非空白字符，等于/[^/n/f/r/t/v]//w匹配一个可以组成单词的字符(alphanumeric，这是我的意译，含数字)，包括下划线，如[/w]匹配"$5.98"中的5，等于[a-zA-Z0-9]/W匹配一个不可以组成单词的字符，如[/W]匹配"$5.98"中的 $，等于[^a-zA-Z0-9]

备注： ‘( )’ 标记一个子表达式的开始和结束位置。 ‘[]’ 标记一个中括号表达式。 /num 匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。

2、各种操作符的运算优先级：

转义符>圆括号和方括号>限定符>位置和顺序 具体如下： / 转义符 (), ( ?: ), (?=), [] 圆括号和方括号 *, +, ?, {n}, {n,}, {n,m} 限定符 ^, $, anymetacharacter 位置和顺序 正则表达式的符号及意义

二、regexp_extract函数

语法: regexp_extract(string subject, string pattern, int index) 返回值: string 说明：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 idx是返回结果 取表达式的哪一部分 默认值为1。 0表示把整个正则表达式对应的结果全部返回 1表示返回正则表达式中第一个() 对应的结果 以此类推。 示例1：

with aa as

(select '特价1.5米大床房(无窗)' as roomname )

select regexp_extract(roomname,'(特价)(\\d\.\\d)(米大床房)(\\(\\D\+\\))',0) as roomname

from aa

select regexp_extract(roomname,'(特价)(\\d\\.\\d)(米大床房)(\\(\\D+\\))',0) as roomname

from aa

--roomname

--特价1.5米大床房(无窗)

---结论：1、特殊符号如.,()等必须转义，需写成\\.,\\(,\\);

-------- 2、\\D+和\\D\+,效果一样

---------3、 0代表匹配所有，是正则表达式对应的结果全部，而不仅仅是（）内的结果，1代表第一个（）内匹配的结果

示例2：

select regexp_extract('hitdescisiondlist','i(.*?)e',1) as r1

regexp_extract('hitdescisiondlist','(i)(.*?)(e)',2) as r2

regexp_extract('x=a3&x=18abc&x=2&y=3&x=4','x=([0-9]+)([a-z]+)',2) as r3;

--r1 r2 r3

--td td abc

示例3：

select regexp_extract('15|Range,16|5,31|369728,17|1',"(15\\|)(.*?)(\\,)",2) as r1,

regexp_extract('16|5,15|30,31|369728,17|1',"(15\\|)(.*?)(\\,)",2) as r2,

regexp_extract('16|5,31|369728,17|1,15|Range',"(15\\|)(.*?)(\\,)",2) as r3,

regexp_extract('15|30',"(15\\|)(.*?)(\\,)",2) as r4;

--r1 r2 r3 r4

--Range 30

示例4：

select regexp_extract('15|Range,16|5,31|369728,17|1',"15\\|(([A-Za-z]{1,})|(\\d{1,}))",1) as r1,

regexp_extract('16|5,15|30,31|369728,17|1',"15\\|(([A-Za-z]{1,})|(\\d{1,}))",1) as r2,

regexp_extract('16|5,31|369728,17|1,15|Range',"15\\|(([A-Za-z]{1,})|(\\d{1,}))",1) as r3,

regexp_extract('15|30',"15\\|(([A-Za-z]{1,})|(\\d{1,}))",1) as r4,

regexp_extract('15|Range',"15\\|(([A-Za-z]{1,})|(\\d{1,}))",1) as r5,

regexp_extract('16|5,15|Range,31|369728,17|1',"15\\|(([A-Za-z]{1,})|(\\d{1,}))",1) as r6,

regexp_extract('16|5,15|Range,31|369728,17|1',"15\\|(\\w\+)",1) as r7;

--r1 r2 r3 r4 r5 r6 r7 r8

--Range 30 Range 30 Range Range Range

--结论：\\+,\+,{1,}实现的效果相同；

示例5：

select

regexp_extract( 'x=a3&x=18abc&x=2&y=3&x=4' , 'x=([0-9]+)([a-z]+)' ,0), -- x=18abc

regexp_extract( 'x=a3&x=18abc&x=2&y=3&x=4' , '^x=([a-z]+)([0-9]+)' ,0), -- x=a3

regexp_extract( 'https://detail.tmall.com/item.htm?spm=608.7065813.ne.1.Ni3rsN&id=522228774076&tracelog=fromnonactive' , 'id=([0-9]+)' ,0), -- id=522228774076

regexp_extract( 'https://detail.tmall.com/item.htm?spm=608.7065813.ne.1.Ni3rsN&id=522228774076&tracelog=fromnonactive' , 'id=([0-9]+)' ,1), -- 522228774076

regexp_extract( 'http://a.m.taobao.com/i41915173660.htm' , 'i([0-9]+)' ,0), -- i41915173660

regexp_extract( 'http://a.m.taobao.com/i41915173660.htm' , 'i([0-9]+)' ,1) -- 41915173660

;

示例6：

select regexp_extract('name:zhangsan,sex:男,age:20','name:(.*?)(\\,)',1);--zhangsan

select regexp_extract('name:zhangsan,sex:男,age:20','name:([a-zA-Z]\+)',1);--zhangsan

select regexp_extract('name:zhangsan,sex:男,age:20','name:([a-zA-Z]+)',1);--zhangsan

select regexp_extract('name:zhangsan,sex:男,age:20','name:([a-zA-Z]{1,})',1);--zhangsan

示例7：

select

case when regexp_extract(mysql_table,'(\\.)(\\S+)',2) <> '' then regexp_extract(mysql_table,'(\\.)(\\S+)',2)

else mysql_table

end as mysql_table

示例8：

select

regexp_extract(trim(query_sql),'FROM(\\s+)[^\\(](.*?)(\\s+WHERE)',2) ta_name

示例9：

select

case

when regexp_extract(

query_sql,

"(\.=*\\'|in*\\(\\')([0-9a-z]{16})(\\')",

2

) <> '' then 1

else 0

end as openid_tag,

case

when regexp_extract(

query_sql,

"(\.=*\\'|in*\\(\\')(\\d{15})(\\')",

2

) <> '' then 1

else 0

end as imei_tag

示例10：

---提取root.stat:后面的0.9645

select

regexp_extract('root.etl:0.7898,root.stat:0.9654','root\\.stat\\:(\\d\\.\\d+)',1) as flag

-----0.9645

示例11：

---regexp_replace和regexp_extract搭配

select

regexp_replace(regexp_extract('1abcdft|2geyahecy|3hyeayu458a', '(1)(.*?)\\|', 0),'\\|','') as trace1

,regexp_replace(regexp_extract('1abcdft|2geyahecy|3hyeayu458a', '(2)(.*?)\\|', 0),'\\|','') as trace2

,regexp_extract('1abcdft|2geyahecy|3hyeayu458a', '3\\S+', 0) as trace3

,regexp_extract('1abcdft|2geyahecy|3hyeayu458a', '3([0-9A-Za-z]{0,})', 0) as trace4

;

以上是一些练习，正则匹配博大精深，共勉；

参考阅读

 您阅读本篇文章共花了：