Hive版本：hive-3.1.2

一、Hive的正则表达式概述

正则表达式是一种用于匹配和操作文本的强大工具，它是由一系列字符和特殊字符组成的模式，用于描述要匹配的文本模式。

Hive的正则表达式灵活使用解决HQL开发过程中的很多问题，本篇文章主要对hive正则表达式的总结归纳。关系型数据库的正则表达式如下：

正则表达式 – 教程 | 菜鸟教程正则表达式 – 教程 正则表达式(Regular Expression)是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”），可以用来描述和匹配字符串的特定模式。 正则表达式是一种用于模式匹配和搜索文本的工具。 正则表达式提供了一种灵活且强大的方式来查找、替换、验证和提取文本数据。 正则表达式可以应用于各种编程语言和文本处理工具中，如 JavaScript、Python、Java、Perl 等。 ..https://www.runoob.com/regexp/regexp-tutorial.htmlHive支持如下正则表达式：

  • like
  • rlike
  • regexp
  • regexp_extract
  • regexp_replace

1.1字符集合

字符描述
[a-z]字符范围。匹配指定范围内的任意字符。例如，'[a-z]’ 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符。
[A-Z]‘[A-Z]’ 可以匹配 ‘A’ 到 ‘Z’ 范围内的任意大写字母字符。
[^a-z]匹配任何不在指定范围内的任意字符。例如，'[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。
\d匹配一个数字字符，等价于[0-9],匹配所有的数字
\D匹配一个非数字字符，等价于[^0-9]
\w匹配字母、数字、下划线。等价于'[A-Za-z0-9_]’
\W匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’
\s匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]
\S匹配任何非空白字符。等价于 [^ \f\n\r\t\v]
\f匹配一个换页符。
\n匹配一个换行符。等价于 \x0a 和 \cJ
\r匹配一个回车符。等价于 \x0d 和 \cM

1.2边界集合

字符描述
^每一行的开头，单行模式下等价于字符串的开头
$每一行的结尾，单行模式下等价于字符串的结尾

1.3 量词（重复次数）集合

字符描述
*匹配前面的子表达式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,}
+匹配前面的子表达式一次或多次。例如，’zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}
?匹配前面的子表达式零次或一次。例如，”do(es)?” 可以匹配 “do” 或 “does” 。? 等价于 {0,1}
{n}n 是一个非负整数。匹配确定的 n 次。例如，’o{2}’能匹配 “food” 中的两个 o
{n,}n 是一个非负整数。至少匹配n 次。例如，’o{2,}’ 能匹配 “foooood” 中的所有 o
{n,m}m 和n均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，”o{1,3}” 将匹配 “fooooood” 中的前三个 o

1.4 转义操作符

字符描述
\将下一个字符标记为一个特殊字符、或一个原义字符等。例如，’n’ 匹配字符 “n”。’\n’ 匹配一个换行符

1.5 运算符优先级

正则表达式从左到右进行计算，并遵循优先级顺序。相同优先级的从左到右进行运算，不同优先级的运算先高后低。下表从最高到最低说明了各种正则表达式运算符的优先级顺序：

运算符描述示例
转义符\\是用于转义其他特殊字符的转义符号。它具有最高的优先级。\d匹配数字，\.匹配点号
圆括号()圆括号()用于创建子表达式，具有高于其他运算符的优先级。(abc)+匹配 “abc” 一次或多次
量词
*, +, ?, {n}, {n,}, {n,m}		量词指定前面的元素可以重复的次数。a*匹配零个或多个 “a”
定位点^, $^表示行的开头，$表示行的结尾
管道符号||表示”或”关系，用于在多个模式之间选择一个cat|dog能够匹配到 “cat” 或 “dog”

 举例：\d{2,3}|[a-z]+(abc)* 的运算顺序
  • \d{2,3}匹配两到三个数字
  • |表示或
  • [a-z]+匹配一个或多个小写字母
  • (abc)*匹配零个或多个 “abc”

二、Hive 正则表达式案例

2.1like

  • 语法1: A like B
  • 语法2: like(A, B)
  • 操作类型: strings
  • 返回类型：boolean或null
  • 描述：如果字符串A或者字符串B为null，则返回null；如果字符串A符合表达式B 的正则语法，则为true；否则为false。B中字符”_”表示任意单个字符，而字符”%”表示任意数量的字符。
-- 举例：select 'ahngnfg' like '%nfg'--> true （%nfg也可以理解为以'nfg'结尾的字符）select 'ahngnfg' like 'nfg%'--> false（nfg%也可以理解为以'nfg'开头的字符）select 'ahngnfg' like '%nfg%'--> true （%nfg% 也可以理解为包含'nfg'的字符）

2.2rlike

  • 语法1: A rlike B
  • 语法2: rlike (A, B)
  • 操作类型: strings
  • 返回类型: boolean或null
  • 描述: 如果字符串A或者字符串B为null，则返回null；如果字符串A符合JAVA正则表达式B的正则语法，则为true；否则为false。B中字符”_”表示任意单个字符，而字符”%”表示任意数量的字符。
java正则："." 任意单个字符"*" 匹配前面的字符0次或多次"+" 匹配前面的字符1次或多次"?" 匹配前面的字符0次或1次"\d" 匹配一个数字字符,等于[0-9],使用的时候写成'\\d'"\D" 匹配一个非数字字符,等于[^0-9],使用的时候写成'\\D'
-- 举例：select '2314' rlike '\\d+';--> trueselect 'numrqe' rlike '^num'; --> true

2.3regexp

  • 语法1: A regexp B
  • 语法2: regexp (A, B)
  • 操作类型: strings
  • 返回类型: boolean或null
  • 描述:功能与rlike相同

测试案例：

-- 匹配有5个连续数字的字符串with tmp1 as(select '12325abc' as rnunion allselect 'b91256ab56' as rnunion allselect 'bfs89abc21' as rn)select rnfrom tmp1 where rn regexp '\\d{5}';

-- 匹配开头有3个及以上连续数字的字符with tmp1 as(select '12325abc' as rnunion allselect '91fe56' as rnunion allselect 'bfs89abc21' as rn)select rnfrom tmp1 where rn regexp '^\\d{3}';

-- 匹配开头只有3个连续数字的字符with tmp1 as(select '12325abc' as rnunion allselect '912fe56' as rnunion allselect 'bfs89abc21' as rn)select rnfrom tmp1 where rn regexp '^\\d{3}\\D';

2.4regexp_replace正则替换

  • 语法: regexp_replace(string A, string B, string C)
  • 操作类型: strings
  • 返回值: string
  • 说明: 将字符串A中的符合java正则表达式B的部分替换为C。
-- 举例：select regexp_replace('h234ney', '\\d+', 'fd'); --> hfdney

2.5 regexp_extract正则提取

  • 语法: regexp_extract(string A, string pattern, int index)
  • 返回值: string
  • 说明: 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
--举例：select regexp_extract('honeymoon', 'hon(.*" />HIVE正则(like、rlike、regexp、regexp_replace、regexp_extract)_hive 正则化-CSDN博客
大数据开发之Hive篇12-Hive正则表达式_hive 正则-CSDN博客