hive正则匹配like,rlike,regexp,regexp_replace,regexp_extract

Posted 2023-01-21 sodaloveer

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

• 一、LIKE
• 二、RLIKE
• 三、REGEXP
• 四、REGEXP_REPLACE
• 五、REGEXP_EXTRACT

---

一、LIKE

• 语法规则：A like B
  1、A是字符串，B是表达式。表示能否用B去完全匹配A的内容。返回结果是True/False。
  2、B只能使用简单匹配符号“ _ ” 和 “ % ”。“_”表示任意单个字符，“%”表示任意数量的字符。如果字符串A或者字符串B为NULL，则返回NULL。
  3、like匹配是逐一匹配，B是否是A，要求完全一致。
• 操作类型: strings
• 返回类型: boolean或null

> select 'hello' like 'hel%';
> true

> select 'hello' like 'hel_';
> false

> select null like '%';
> NULL

> select 'hello' like null;
> NULL

• 否定：A not like B,与like适用情况相似，只是逻辑相反。

> select 'hello' not like 'hel%';
> false

> select 'hello' not like 'hel_';
> true

> select null not like '%';
> NULL

> select 'hello' not like null;
> NULL

二、RLIKE

• 语法规则：A rlike B / rlike(A, B)
  1、表示B是否在A里面即可。
  2、可以使用JAVA中全部正则表达式，符合为TRUE，否则为FALSE。如果字符串A或者字符串B为NULL，则返回NULL。
  3、不是完全匹配，可以是从任意部位匹配。
• 操作类型: strings
• 返回类型: boolean或null

> select 'hello' rlike 'he';
> true

> select 'hello' rlike '^he';
> true

> select '2314' rlike '\\\\d+';
> true

# 证件地址包含：“村”或“组”或“乡”或“镇”
> select '广州市' rlike '["村组乡镇"]';
> false

> select '元村' rlike '["村组乡镇"]';
> true  

• 否定：A not rilke B，是对RLIKE的否定。

> select 'acv' not rlike '\\\\d+';
> true

> select '2314' not rlike '\\\\d+';
> false

三、REGEXP

• 语法规则：A regexp B，功能与RLIKE相同
• 操作类型: strings
• 返回类型: boolean或null

# 识别以1为开头，接下来字符全是0-9范围。
> select '18920202978' regexp '^1[0-9]+$';
> true

> select '08920202978' regexp '^1[0-9]+$';
> false

• 否定：A not regexp B

# 剔除证件地址包含“广州”或“增城”或“番禺”或“花都”或“南沙”的号码
> select '广州市' not regexp('广州|增城|番禺|花都|南沙');
> true

> select '湛江市' not regexp('广州|增城|番禺|花都|南沙');
> false

四、REGEXP_REPLACE

• 语法规则：regexp_replace(string A,string B,string C) ,将字符串A中的符合JAVA正则表达式B的部分替换为C。
• 操作类型: strings
• 返回类型: strings

# 将 “2022-09-08” 替换成 “20220908”
# [^0-9] 不是 “0-9” 部分替换成空值
> select regexp_replace('2022-09-08','[^0-9]','')
> 20220908

> select regexp_replace('h234ney', '\\\\d+', 'o');
> honey

五、REGEXP_EXTRACT

• 语法规则：regexp_extract(string A,string pattern,int index) ，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。
  第一参数：要处理的字段
  第二参数：需要匹配的正则表达式
  第三参数： 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…

• 操作类型: strings

• 返回类型: strings

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

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