Question

问题：正则表达式无法按预期运行HBase扫描过滤器。虽然此RegEx在没有任何错误的情况下通过，但它不会仅返回已过滤的行。

背景：我们将数据存储在HBase中作为字符串（我知道它应该在Avro中，但现在需要使用它。）

我们的HBase列DataRows如下所示，pipe用作分隔符。

NAME | 10000081 | 10000102 | 13513 | 10102026 | GENDER | ID 名称| 10000081 | 10000101 | 13513 | 10102026 |性别| ID 名称| 10000081 | 10000103 | 13513 | 10102026 |性别| ID 名称| 10000082 | 10000104 | 13515 | 10102026 |性别| ID NAME | 10000082 | 10000104 | 13516 | 10102026 | GENDER | ID

我正在为HBase扫描程序编写一个RegEx过滤器，它将扫描这些行。

我的RegEx字符串如下所示：

^NAME\\|.*\\|.*\\|.*\\|.*\\|.*\\|.*$

这是HBase QualifierFilter的输入，例如

Filter qfilter = new QualifierFilter(CompareFilter.CompareOp.EQUAL,new RegexStringComparator(regexString.toString()));

在上面的正则表达式字符串示例中（我想只过滤Name = RECKO和3rd col = 10000101）。它返回所有行。

Regex String = ^NAME\\|.*\\|10000101\\|.*\\|.*\\|.*\\|.*$

我的正则表达式出了什么问题？任何指针/建议都非常感激。

测试程序：

 public class RegEx1 {
      public static void main(String[] args) {
        String Str[] = {
        "PC|10000081|10000102|13513|10102026|LOC|ic",
        "PC|10000081|10000101|13512|10102025|LOC|zc",
    "NAME|10000042|10000084|13576|10101626|GENDER|cc",
    "NAME|10000042|10000084|13576|10101626|GENDER|za",
    "NAME|10000042|10000084|13576|10101626|GENDER|zc",
    "NAME|10000061|10000086|13581|10101630|GENDER|ic",
    "NAME|10000061|10000086|13581|10101630|GENDER|za",
    "NAME|10000061|10000086|13581|10101630|GENDER|zc",
    "NAME|10001076|10001744|15106|10123669|GENDER|cc",
    "NAME|10001076|10001744|15106|10123669|GENDER|za",
    "NAME|10001076|10001744|15106|10123669|GENDER|zc",
    "NAME|10000061|10000086|13581|10101630|GENDER|ic",
    "NAME|10000061|10000086|13581|10101630|GENDER|za",
    "NAME|10000061|10000086|13581|10101630|GENDER|zc",
    "NAME|10001075|10001743|15105|10123664|GENDER|ic",
    "NAME|10001075|10001743|15105|10123664|GENDER|za",
    "NAME|10001075|10001743|15105|10123664|GENDER|zc",
    "NAME|10001077|10001745|15239|10123673|GENDER|cc",
    "NAME|10001077|10001745|15239|10123673|GENDER|za",
    "NAME|10001077|10001745|15239|10123673|GENDER|zc",
    "NAME|10002165|10000102|10151364|10151363|GENDER|ic",
    "NAME|10002165|10003668|10151364|10151363|GENDER|za",
    "NAME|10002165|10003668|10151364|10151363|GENDER|zc",
    "NAME|10002167|10003670|10151368|10151367|GENDER|cc",
"NAME|10002167|10003670|10151368|10151367|GENDER|zb"    };

    for (String s : Str){
        System.out.println(s);
        System.out.println(s.matches("^NAME\\|10002167\\|.*\\|.*\\|.*\\|*$"));
    }



   }
 }

对于上面的程序，我将所有输入值作为匹配，实际上它应该只匹配第一列=“NAME”和第二列是10002167的字符串。

更新：感谢@Aviram Segal。在校正正则表达式后，它适用于Java测试程序，但不适用于HBase扫描过滤器。

Answer 1

您忘了逃避一个|字符，因此它被视为OR，您也可以使用[|]代替\\|，我个人更喜欢这种风格。

你的：^NAME\\|.*\\|10000101|.*\\|.*\\|.*\\|.*$

修正：^NAME\\|.*\\|10000101\\|.*\\|.*\\|.*\\|.*$

你的：System.out.println(s.matches("^NAME\\|10002167|.*\\|.*\\|.*\\|*$"));

修正：System.out.println(s.matches("^NAME\\|10002167\\|.*\\|.*\\|.*\\|*$"));

Answer 2

.代表任何角色因此问题。尝试使用\w替换.。

用于HBase扫描过滤器的Java正则表达式不起作用

2 个答案: