Question

我试图在蜂巢中以特定的方式分隔驼峰案例字符串。任何相邻的大写字母都保留为一个块，除非其中一个大写字母带有其他字母数字字符，在这种情况下，大写字母位于带有以下字母数字字符串的块中。

例如，HELLOWorld应该变为HELLO World。 HelloWorld5应该成为Hello World5。 HELLOWorldPeople应该成为HELLO World People。有时整个字符串都是小写的。每个字符串后跟STRING，因此它将是HelloWorldSTRING，但最后一部分应该被丢弃。

这是我写的正则表达式，我认为正确地将单词分成组，但我可能是错的：

([A-Z]?[a-z0-9]+)+STRING|([A-Z]*)([A-Z][a-z0-9]+)*STRING

有没有办法在hive中的每个组之间插入空格？ regexp_replace似乎不适合这个问题，只要我能够告诉

Answer 1

替换除大写字母以外的其他内容之后/之后的每个大写字母，并用空格本身。

hive> select regexp_replace('ThisIsHELLOWorldPeople','(?<=[^A-Z])[A-Z]|[A-Z](?=[^A-Z])',' $0');
OK
 This Is HELLO World People

Answer 2

这实际上比我想象的要简单。我需要选择单词之间的空格，而不是单词本身。

regexp_replace(regexp_extract(string_col, "(.*)STRING"), 
           "(?<=[A-Za-z])()(?=([A-Z][a-z]))", 
           " ")

如何在配置单元中的正则表达式组之间添加空格？

2 个答案: