用于HBase扫描过滤器的Java正则表达式不起作用

时间:2012-12-21 22:06:35

标签: java regex hbase

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。

2 个答案:

答案 0 :(得分:2)

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\\|.*\\|.*\\|.*\\|*$"));

答案 1 :(得分:0)

.代表任何角色因此问题。尝试使用\w替换.