hive正则表达式

hive中实现正则表达式，与java中的正则表达式有所区别：

这里经过探索总结了一些：

hive中的正则可以用，但是有所区别，区别在于原来的‘\’ 转义，这里变成了双斜杠了‘\\’

hive中的正则解析函数：regexp_extract;    例如：‘匹配 10.122.248’

select regexp_extract(host,‘(^[\\w]+)\\.([\\w]+)\\.([\\w]+)‘,0) aa from browsewebpagelog where dt like ‘20140630%‘;

第一参数：要处理的字段，第二参数需要匹配的正则表达式，第三个参数: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...

语法: regexp_extract(string subject, string pattern, int index)

返回值: string

说明：将字符串subject按照pattern正则表达式的规则拆分，返回index指定的字符。注意，在有些情况下要使用转义字符

举例：

hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 1) from dual;

the

hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 2) from dual;

bar

hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 0) from dual;

foothebar

注：有些博客上用 rlike匹配正则，我试过它的含义是只要出现你所制定的正则时，都给你匹配上，你必须添加开始‘^’的符号，否则匹配的结果绝对不是所期望的。

hive正则表达式