Question

我正在使用Hive来分析看起来像这样的网络日志

415503 - - [10/Jun/1998:00:48:00 +0000] "GET /english/images/nav_sitemap_off.gif HTTP/1.1" 200 416

我使用下面的正则表达式将其加载到工作正常的hive表

([^ ]*) ([^ ]*) ([^ ]*) (-|\\[[^\\]]*\\]) ([^ \"]*|\"[^\"]*\") (-|[0-9]*) (-|[0-9]*)

但如果我在https://www.regex101.com/中检查此正则表达式，则此正则表达式与我的字符串不匹配。

如果我删除块中的一些反斜杠

(-|\\[[^\\]]*\\])

它已经过验证。

我认为当我来到Hive中的正则表达式时，我们必须放置\来逃避字符串？但是如何在创建数据库之前验证这一点？

Answer 1

Hive使用Java正则表达式语法。请尝试http://www.fileformat.info/tool/regex.htm进行测试。