Hive 和 Impala 之间的正则表达式的语法是不是不同？

Posted 2023-03-22

【中文标题】Hive 和 Impala 之间的正则表达式的语法是不是不同？

【英文标题】：Is the syntax for a regular expression different between Hive and Impala?Hive 和 Impala 之间的正则表达式的语法是否不同？

【发布时间】：2018-12-19 16:33:20

【问题描述】：

以下 regexp_extract 函数在 Impala 中似乎可以工作，但在 Hive 中使用时不起作用：

select regexp_extract("efwe FR wefwef", '.*?([[:upper:]]+).*?', 1)

Impala 中的结果是 FR（正如我所料，即第一组中的大写字符）

Hive 中的结果是 e（不是我所期望的）

谁能解释这是为什么？

通过研究这个问题，我了解到将正则表达式转换为 java 风格的正则表达式可能会有所帮助 (http://www.regexplanet.com/advanced/java/index.html)。但据我所知，Java Style Regex 与我所拥有的相同。

【问题讨论】：

Impala 似乎使用 RE2，而 Java 正则表达式则完全不同。在 Hive 中使用 '.*?(\\pLu+).*'

【参考方案1】：

我自己发现了答案。 Java 不支持 POSIX 括号表达式，所以我使用 A-Z 而不是 :upper:

https://www.cloudera.com/documentation/enterprise/5-9-x/topics/impala_string_functions.html 在 Impala 2.0 及更高版本中，Impala 正则表达式语法符合 Google RE2 库使用的 POSIX 扩展正则表达式语法。有关详细信息，请参阅 RE2 文档。

https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Select#LanguageManualSelect-REGEXColumnSpecification 我们使用 Java 正则表达式语法。尝试http://www.fileformat.info/tool/regex.htm 进行测试。