Hive SQL 查询中 Regexp_replace 的奇怪行为

Posted 2023-03-28

【中文标题】Hive SQL 查询中 Regexp_replace 的奇怪行为

【英文标题】：Strange behaviour of Regexp_replace in a Hive SQL query

【发布时间】：2020-01-13 06:12:52

【问题描述】：

我有一些输入信息，我试图从输入中删除部分 .0，其中 ID 字符串以 .0 结尾。

select student_id, regexp_replace(student_id, '.0','') from school_result.credit_records where student_id like '%.0';

输入：

01-0230984.03
12345098.0
34567.0

预期输出：

01-0230984.03 
12345098
34567

但我得到的结果如下：它删除了任何带有0 的字符，而不是只删除以.0 结尾的字符

0129843
123498
34567

我做错了什么？有人可以帮忙吗？

【参考方案1】：

Dot in regexp 有特殊含义（表示任何字符）。如果您从字面上需要点 (.)，则应使用双斜杠（在 Hive 中）对其进行屏蔽。还要添加行尾锚（$）：

with mydata as (
select stack(3,
'01-0230984.03',
'12345098.0',
'34567.0'
) as str
)

select regexp_replace(str,'\\.0$','') from mydata;

结果：

01-0230984.03
12345098
34567

正则表达式'\\.0$' 字面意思是点零（.0），行尾（$）。

【讨论】：

只是想知道：如果我想在行首而不是行尾指定要删除的内容，那么我应该指定什么来代替$ ??

@LearneR 起始锚点是 ^ 像这样：'^0' - 表示开头为零