在 Hive 中，如何使用“regexp_replace()”对标记值执行通配符搜索，以将其替换为公共值？

Posted 2023-03-29

【中文标题】在 Hive 中，如何使用“regexp_replace()”对标记值执行通配符搜索，以将其替换为公共值？

【英文标题】：In Hive, how to perform wild card search of a tag value using "regexp_replace()" to replace it with a common value?

【发布时间】：2021-06-12 16:12:58

【问题描述】：

我在多个由不同值组成的 Value 系列中出现了 string 标记。我需要使用 regexp_replace() 进行通配符搜索，读取所有此类 string 出现并用通用值“NULL”替换它们。

下面是一个示例 XML：

<ParentArray>
    <ParentFieldArray>
        <Value>
            <string>123</string>
            <string>234</string>
        </Value>
    </ParentFieldArray>
    <ParentFieldArray>
        <Value>
            <string>345</string>
            <string>456</string>
        </Value>
    </ParentFieldArray>
</ParentArray>

期望是读取所有的String标签值并用NULL替换它们。

【问题讨论】：

你想要 NULL 吗？

【参考方案1】：

使用

 regexp_replace(str,'(<string>)(\\d+)(</string>)','$1NULL$3')

演示：

select "<ParentArray>
    <ParentFieldArray>
        <Value>
            <string>123</string>
            <string>234</string>
        </Value>
    </ParentFieldArray>
    <ParentFieldArray>
        <Value>
            <string>345</string>
            <string>456</string>
        </Value>
    </ParentFieldArray>
</ParentArray>
" as str)

select regexp_replace(str,'(<string>)(\\d+)(</string>)','$1NULL$3') from mydata

结果：

<ParentArray>
        <ParentFieldArray>
            <Value>
                <string>NULL</string>
                <string>NULL</string>
            </Value>
        </ParentFieldArray>
        <ParentFieldArray>
            <Value>
                <string>NULL</string>
                <string>NULL</string>
            </Value>
        </ParentFieldArray>
    </ParentArray>

如果您不仅要替换值中的数字，包括空值，请使用：

select regexp_replace(str,'(<string>)(.*)(</string>)','$1NULL$3') from mydata