Question

输入文件如下

ENO :: ENAME ::部门:: SAL

101 :: EMP1 :: COMP1 :: 2800000

201 :: EMP2 :: COMP2 :: 2800000

301 :: EMP3 :: COMP3 :: 3400000

401 :: emp4 :: COMP4 :: 3600000

501 :: emp5 :: COMP5 :: 400000

>create table emp(ename string,edept string)
> row format serde 'org.apache.hadoop.hive.contrib.serde2.RegexSerDe'           
> WITH SERDEPROPERTIES(                                                         
> "input.regex"="^([^\\::]+)\\::([^\\::]+)\\::([^\\::]+)\\::([^\\::]+)$",           
> "output.format.string"="%2$s%3$s")                                            
> ;
>load data local inpath '/home/cloudera/test/emp.txt' into table emp;

我想只将第2和第3个文字拉入表格。所以使用“output.format.string”=“％2 $ s％3 $ s” - 这是正确的方法吗？

但我的桌子装满了eno＆amp;仅限于。

Answer 1

Hive表只有两列，但正则表达式捕获四个组，因此只会忽略其他组。

您可以使用以下表达式。

"input.regex"="^[^\\::]+\\::([^\\::]+)\\::([^\\::]+)\\::[^\\::]+$"

您将获得以下输出。

emp.ename   emp.edept
emp1        comp1
emp2        comp2
emp3        comp3
emp4        comp4
emp5        comp5

HIVE SERDE REGEX：输出格式 - 只想使用少数输出字符串

1 个答案: