Question

我想知道是否有人可以帮助我了解如何使用Hive的regexp_replace函数捕获正则表达式中的组并在替换字符串中使用这些组。

我有一个示例问题，我正在通过下面的工作来解决日期问题。在这个例子中，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'

这是一个我认为会起作用的声明的简单例子，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

请注意，“\ 1”应输出匹配的组，而是使用数字“1”替换匹配的组。

有人可以帮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！

Answer 1

Hive支持的符号（至少0.14，我想我也记得0.13.x的这种方式）对于捕获组1来说，正则表达式反向引用似乎是$1 $2 1}}用于捕获组2等。看起来它基于replaceAll method from the Matcher class（甚至可能由{{3}}实现。这是该文档的密切关系部分：

如上所述，美元符号可被视为对捕获的子序列的引用，反斜杠用于替换替换字符串中的文字字符。

所以我认为你想要的是这个：

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)

Answer 2

在尝试向后引用REGEXP_REPLACE中捕获的组时，镍'\ 1'或'$ 1'为我工作。然而，这工作： 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.

REGEXP_REPLACE捕获组

2 个答案: