我想知道是否有人可以帮助我了解如何使用 Hive 的 regexp_replace 函数来捕获正则表达式中的组并在替换字符串中使用这些组。
我正在解决一个涉及日期修改的示例问题。在此示例中,我的目标是获取与 SimpleDateFormat 解析不兼容的字符串日期,并进行一些小的调整以使其兼容。日期字符串(如下所示)需要在字符串中的偏移符号 (+/-) 前面添加“GMT”。
所以,给定输入:
'2015-01-01 02:03:04 +0:00'
-or-
'2015-01-01 02:03:04 -1:00'
我想要输出:
'2015-01-01 02:03:04 GMT+0:00'
-or-
'2015-01-01 02:03:04 GMT-1:00'
这是一个我“认为”可行的语句的简单示例,但我得到了奇怪的输出。
Hive 查询:
select regexp_replace('2015-01-01 02:03:04 +0:00', ' ([+-])', ' GMT\1');
实际结果:
2015-01-01 02:03:04 GMT10:00
注意“ ”应该输出匹配的组,而是用数字“1”替换匹配的组。
有人可以帮助我理解在替换字符串中引用/输出匹配组的正确方法吗?
谢谢!
Hive 支持的正则表达式反向引用符号(至少在 0.14 中是这样,我想我记得在 0.13.x 中也是这样)对于捕获组 1 似乎是
$1
,对于捕获组 2 是$2
,等等。看起来它基于(甚至可能由 Matcher 类中的 replaceAll 方法实现)。这是该文档的相关部分:
美元符号可以被视为对捕获子序列的引用,如上所述,反斜杠用于转义替换字符串中的文字字符。所以我想你想要的是这样的:
select regexp_replace('2015-01-01 02:03:04 +0:00', ' ([+-])', ' GMT$1');
例如:
hive> select regexp_replace('2015-01-01 02:03:04 +0:00', ' ([+-])', ' GMT$1');
OK
2015-01-01 02:03:04 GMT+0:00
Time taken: 0.072 seconds, Fetched: 1 row(s)
hive> select regexp_replace('2015-01-01 02:03:04 -1:00', ' ([+-])', ' GMT$1');
OK
2015-01-01 02:03:04 GMT-1:00
Time taken: 0.144 seconds, Fetched: 1 row(s)
https://www.logicbig.com/tutorials/core-java-tutorial/java-regular-expressions/group-ref-in-replacement.html
示例:(用连字符替换哈希)
hive> select REGEXP_REPLACE('foo#bar','(?<tag1>foo)#(?<tag2>bar)', '${tag1}-${tag2}');
OK
foo-bar
Time taken: 0.085 seconds, Fetched: 1 row(s)
Hope this is helpful.
SELECT
regexp_replace('toto-prod-titi-prod-tata', '-prod-(.*?)-prod-', '-uat-$1-uatr-')
给了我预期的结果:
toto-uat-titi-uatr-tata